[论文解读] Asynchronous Decentralized Algorithm for Space-Time Cooperative Pathfinding

Michal Čáp, Peter Novák+2 more|arXiv (Cornell University)|Oct 25, 2012

Robotic Path Planning Algorithms参考文献 9被引用 6

一句话总结

本文提出 ADPP 和 IADPP，这两种为时空协作路径规划设计的异步去中心化算法，使智能体能够立即响应其他智能体的更新，避免同步瓶颈。与集中式求解器相比，该算法可将实际运行时间缩短高达 65%，与同步去中心化方法相比则快 45%，且在解决方案质量上仅有轻微下降，同时 IADPP 在通信效率方面表现更优。

ABSTRACT

Cooperative pathfinding is a multi-agent path planning problem where a group of vehicles searches for a corresponding set of non-conflicting space-time trajectories. Many of the practical methods for centralized solving of cooperative pathfinding problems are based on the prioritized planning strategy. However, in some domains (e.g., multi-robot teams of unmanned aerial vehicles, autonomous underwater vehicles, or unmanned ground vehicles) a decentralized approach may be more desirable than a centralized one due to communication limitations imposed by the domain and/or privacy concerns. In this paper we present an asynchronous decentralized variant of prioritized planning ADPP and its interruptible version IADPP. The algorithm exploits the inherent parallelism of distributed systems and allows for a speed up of the computation process. Unlike the synchronized planning approaches, the algorithm allows an agent to react to updates about other agents' paths immediately and invoke its local spatio-temporal path planner to find the best trajectory, as response to the other agents' choices. We provide a proof of correctness of the algorithms and experimentally evaluate them on synthetic domains.

研究动机与目标

• 解决集中式与同步去中心化协作路径规划在存在通信延迟和隐私约束的真实多智能体系统中的局限性。
• 克服去中心化算法中同步执行带来的性能瓶颈，即智能体需相互等待，从而拖慢计算速度。
• 通过允许智能体在无需等待算法轮次完成的情况下立即响应高优先级智能体的更新，实现更快、更具响应能力的路径规划。
• 设计一种可中断的变体（IADPP），通过在接收到更新时静默重启本地规划器，避免不必要的消息广播，从而减少通信开销。
• 证明 ADPP 和 IADPP 的正确性与终止性，为其在安全关键应用中的使用提供形式化基础。

提出的方法

• 提出 ADPP（异步去中心化优先规划），作为同步去中心化优先规划（SDPP）的扩展，其中智能体基于来自高优先级智能体的实时更新独立规划路径。
• 引入 IADPP（可中断的 ADPP），允许智能体在接收到新的轨迹更新时立即重启其本地路径规划器，而无需等待当前计算完成。
• 采用优先级规划策略：每个智能体在规划自身路径时，将高优先级智能体的轨迹视为移动障碍物。
• 实现一种本地时空路径规划器，通过立即重新规划轨迹来响应传入的更新，以避免冲突。
• 通过证明异步更新不会导致无限循环或状态不一致，确保正确性与终止性，即使在消息延迟或乱序到达的情况下也成立。
• 设计消息传递语义，使智能体仅在计划发生变化时才广播信息，从而最小化通信开销——尤其在 IADPP 中，中断规划不会产生新消息。

实验结果

研究问题

• RQ1 异步去中心化协作路径规划算法是否能在实际运行时间和可扩展性方面优于集中式和同步去中心化方法？
• RQ2 IADPP 的可中断设计相较于 ADPP 和集中式求解器，如何影响通信复杂度？
• RQ3 在存在通信延迟的情况下，异步机制在多智能体路径规划中能在多大程度上提升响应能力并减少空闲等待时间？
• RQ4 与集中式最优求解器相比，异步去中心化路径规划在解决方案质量与计算效率之间存在何种权衡？
• RQ5 尽管缺乏全局同步，所提出的算法是否仍能保持正确性与终止性保证？

主要发现

• 在智能体数量不断增加的随机场景中，ADPP 和 IADPP 相较于集中式 CA 算法，平均实际运行时间最多减少 65%。
• ADPP 和 IADPP 相较于同步去中心化 SDPP 算法，运行时间减少约 45%，尤其在高密度、高冲突环境中表现更优。
• IADPP 的通信复杂度低于 ADPP，因其避免在中断规划后广播新计划；相反，它静默重启，从而降低消息开销。
• ADPP 和 IADPP 的平均解决方案成本比 CA 略差约 10%，这是由于采用了保守的重新规划条件，仅在当前路径变得不一致时才触发重新规划。
• 所有优先级方法（CA、SDPP、ADPP、IADPP）的失败率相当，表明异步算法在复杂场景中仍保持鲁棒性。
• 实验结果证实，ADPP 和 IADPP 均正确且能终止，验证了论文中提供的正确性与终止性理论证明。