[论文解读] An integrated dynamic method for allocating roles and planning tasks for mixed human-robot teams

Fabio Fusaro, Edoardo Lamon+2 more|arXiv (Cornell University)|Jan 1, 2021

Scheduling and Optimization Algorithms参考文献 18被引用 25

一句话总结

本文提出一种集成的动态方法，结合行为树（BTs）与在线混合整数线性规划（MILP）子问题，实现实时任务与角色分配，适用于人机混合团队。通过将任务建模为行为树，其中角色分配节点基于动作-人员成本（包括任务时长、可用性及人体工学因素）求解简化的MILP子问题，该方法实现了高效、自适应的任务规划，计算复杂度呈线性增长，且实现最优人员分配。仿真结果验证了该方法可减少任务完成时间并改善工作负载分布。

ABSTRACT

This paper proposes a novel dynamic method based on Behavior Trees (BTs) that integrates planning and allocation of tasks in mixed human robot teams, suitable for manufacturing environments. The Behavior Tree formulation allows encoding a single job as a compound of different tasks with temporal and logic constraints. In this way, instead of formulating an offline centralized optimization problem, the role allocation problem is solved with multiple simplified online optimization sub-problems, without complex and cross-schedule task dependencies. These sub-problems are defined as Mixed-Integer Linear Programs (MILPs), that, according to the worker-actions related costs and the workers' availability, allocate the yet-to-execute tasks among the available workers. To characterize the behavior of the developed method, we opted to perform different simulation experiments, in which the results of the action-worker allocation and the computational complexity are evaluated. The obtained results, due to the nature of the algorithm and to the possibility of simulating the agents' behavior, illustrate adequately also how the algorithm performs in real experiments.

研究动机与目标

• 本文旨在解决在柔性制造中，对人机混合团队进行动态角色分配与任务规划的挑战。
• 旨在通过将角色分配与任务规划整合到单一反应式框架中，克服传统两阶段方法（离线规划与集中式优化）的局限性。
• 目标是通过仅求解任务子集的在线MILP子问题，在保持最优任务分配的同时降低计算复杂度。
• 该方法旨在通过在成本函数中考虑人员特定因素（如可用性、任务时长、专业能力与人体工学）来提升团队效率。
• 目标是实现对团队构成与任务约束动态变化的实时适应，同时确保时间与逻辑依赖关系得以保留。

提出的方法

• 该方法使用行为树（BTs）对任务层级行为进行建模，其中根节点控制所有任务的执行，每个任务通过角色分配器节点进行管理。
• 每个角色分配器节点动态求解一个混合整数线性规划（MILP），根据动作-人员成本将下一组动作分配给最合适的执行者。
• 动作-人员成本函数包含任务时长、人员可用性及人体工学因素，包含三种变体：二值可用性、连续可用性成本（公式4）及零可用性成本。
• BT架构包含四个自定义节点：角色分配器（求解MILP）、人员管理器（将动作路由至人类或机器人）、人机通信节点（通知人类工作者）、动作执行节点（执行机器人任务）。
• 系统使用C++实现，基于ROS Melodic与BehaviorTree.CPP库，采用Osi/GLPK求解MILP问题。
• 该方法将集中式规划问题分解为多个轻量级、在线子问题，从而在保持任务约束的前提下降低计算负担。

实验结果

研究问题

• RQ1 如何在单一动态框架中整合任务分配与规划，以降低人机混合团队的计算复杂度？
• RQ2 对人员相关成本（特别是可用性）的定义，对任务与角色分配质量有何影响？
• RQ3 随着系统中任务与人员数量的增加，计算时间如何变化？
• RQ4 该方法能否在最小化整体任务完成时间与人员等待时间的同时实现最优任务分配？
• RQ5 在不同任务并行度与人员可用性水平下，该方法的性能表现如何？

主要发现

• 整个框架的计算时间与顺序及并行任务数量呈近似线性关系，表明具有良好的可扩展性。
• 求解一个规模为N的大型MILP问题，比求解N个较小的MILP问题更快，即使后者涉及更多子问题，原因在于减少了开销并提升了求解器利用率。
• 随着人员数量增加，计算时间持续减少，直至达到最大并行度（15名人员），此后计算时间基本保持不变。
• 使用连续可用性成本（公式4）的模型在任务分配方面优于二值或零可用性成本模型，因为它同时最小化了任务执行时间与后续任务的等待时间。
• 在包含14个动作的仿真中，采用连续可用性成本时，方法将动作a12分配给w1（总时间最小），优于二值与零成本变体。
• 甘特图分析表明，连续可用性成本模型减少了空闲时间并提升了协调性，尤其在需在并行任务集后顺序执行的动作中表现更优。