[论文解读] Two Techniques That Enhance the Performance of Multi-robot Prioritized Path Planning

Anton Andreychuk, Konstantin Yakovlev|arXiv (Cornell University)|May 3, 2018

Robotic Path Planning Algorithms被引用 7

一句话总结

本文提出了两种新颖技术以改进优先级排序的多机器人路径规划：确定性重调度（deterministic re-scheduling），通过系统性地为故障机器人重新分配优先级，避免重复失败；以及安全起始区间（safe-start-intervals, SSI），在指定时间内阻止高优先级机器人占据低优先级机器人的起始位置。实验结果表明，与基线方法和随机重调度相比，这些方法在密集环境中显著提升了成功率并减少了运行时间。

ABSTRACT

We introduce and empirically evaluate two techniques aimed at enhancing the performance of multi-robot prioritized path planning. The first technique is the deterministic procedure for re-scheduling (as opposed to well-known approach based on random restarts), the second one is the heuristic procedure that modifies the search-space of the individual planner involved in the prioritized path finding.

研究动机与目标

• 解决由于优先级排序不优及起始位置干扰导致的优先级排序多机器人路径规划器在密集环境中高失败率的问题。
• 通过用确定性重调度策略替代随机重启，提升优先级排序规划器的有效性与效率。
• 通过基于时间的抑制机制，减少高优先级机器人阻塞低优先级机器人起始位置所导致的规划失败。
• 通过实证评估这些技术在不同机器人密度下对成功率、运行时间、makespan（完成时间）和flowtime（总流程时间）的影响。
• 提供即插即用的增强方案，可兼容任何现有的优先级排序路径规划器。

提出的方法

• 提出确定性重调度：当某机器人无法找到路径时，将其优先级提升至1，规划器从头开始重启，从而避免重复出现的失败模式。
• 提出安全起始区间（SSI）：在时间区间[0, k]内，任何机器人均不得进入低优先级机器人的起始位置，以防止早期干扰。
• 将SSI应用于限制起始位置附近的运动，从而提高低优先级机器人找到可行路径的可能性。
• 采用最先进的优先级排序规划器AA-SIPP(m)作为基础求解器，在受控条件下评估所提技术。
• 采用“最短优先”初始优先级分配策略，并在每种机器人数量下对100个随机实例进行性能评估。
• 为随机重调度设置5分钟的时间上限，以确保与确定性重调度的公平比较。

实验结果

研究问题

• RQ1 在优先级排序多机器人路径规划中，确定性重调度是否在成功率和运行时间方面优于随机重调度？
• RQ2 引入安全起始区间（SSI）在多大程度上提升了密集机器人配置下优先级排序规划器的成功率？
• RQ3 与基线方法和随机重调度相比，SSI与确定性重调度对makespan和flowtime有何影响？
• RQ4 这些技术是否能够解决因起始位置干扰而此前无法求解的实例？
• RQ5 这些性能提升在不同机器人密度和环境类型下是否保持一致？

主要发现

• 在32×32的空旷网格上，将SSI设置为k=3或更高时，192台机器人（18.75%密度）的成功率从基线的0%提升至80%以上。
• 在类似仓库的环境中（21×35网格，含100个障碍物），确定性重调度在160台机器人时达到99%的成功率，而随机重调度仅为42%。
• 对于160台机器人，确定性方法的运行时间（28.28秒）为随机重调度（117.82秒）的四分之一。
• 尽管makespan略有增加，但确定性方法在160台机器人时实现了更优的flowtime（5298.85 vs. 5220.90），表明整体解质量更优。
• SSI与确定性重调度的结合使规划器能够解决此前因起始位置阻塞而无法求解的实例。
• 所提技术在成功率、运行时间和解质量方面均显著优于基线和随机重调度，尤其在高密度机器人场景下表现突出。