[论文解读] Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road Networks

Shushman Choudhury, Kiril Solovey+2 more|arXiv (Cornell University)|Oct 17, 2021

Robotic Path Planning Algorithms被引用 5

一句话总结

本文提出了一种两阶段算法框架，用于在大规模城市道路网络中协调无人机与卡车的路径规划，其中无人机可临时搭乘卡车以节省能源。通过将问题解耦为先优化卡车路径，再在复合道路-运输网络上规划无人机路径，该方法相比独立路径规划使总行驶距离减少50%以上，并在普通硬件上实现5分钟以内的求解。

ABSTRACT

We address the problem of routing a team of drones and trucks over large-scale urban road networks. To conserve their limited flight energy, drones can use trucks as temporary modes of transit en route to their own destinations. Such coordination can yield significant savings in total vehicle distance traveled, i.e., truck travel distance and drone flight distance, compared to operating drones and trucks independently. But it comes at the potentially prohibitive computational cost of deciding which trucks and drones should coordinate and when and where it is most beneficial to do so. We tackle this fundamental trade-off by decoupling our overall intractable problem into tractable sub-problems that we solve stage-wise. The first stage solves only for trucks, by computing paths that make them more likely to be useful transit options for drones. The second stage solves only for drones, by routing them over a composite of the road network and the transit network defined by truck paths from the first stage. We design a comprehensive algorithmic framework that frames each stage as a multi-agent path-finding problem and implement two distinct methods for solving them. We evaluate our approach on extensive simulations with up to $100$ agents on the real-world Manhattan road network containing nearly $4500$ vertices and $10000$ edges. Our framework saves on more than $50\\%$ of vehicle distance traveled compared to independently solving for trucks and drones, and computes solutions for all settings within $5$ minutes on commodity hardware.

研究动机与目标

• 为解决在城市物流中最小化总行驶距离的挑战，通过允许无人机利用卡车作为临时交通工具以延长飞行范围。
• 通过将联合优化无人机与卡车路径的问题解耦为可处理的子问题，克服联合优化的计算不可行性。
• 设计一种可扩展的框架，整合道路网络与卡车路径提供的动态运输选项，以实现高效的无人机路径规划。
• 在真实城市道路网络上评估该框架，最多支持100名代理，展示显著的节能与距离节省效果。

提出的方法

• 第一阶段使用MAPF求解器计算可能作为无人机有效中转选项的卡车路径，若有益则偏离最短路径。
• 第二阶段通过在道路网络上叠加卡车路径作为中转边，构建复合网络，使无人机在这些路段以零成本行驶。
• 无人机路径规划阶段使用MAPF求解器计算最小化总成本的路径，同时满足卡车的容量约束。
• 后处理步骤将未使用的卡车重新规划至道路网络上的最短路径，以提升整体效率。
• 实现两种变体：一种使用增强型基于冲突的搜索（ECBS），另一种使用优先规划（PP）处理两个阶段。
• 该框架在曼哈顿道路网络上进行评估，网络最多包含4500个顶点和10000条边，模拟最多80架无人机和20辆卡车。

实验结果

研究问题

• RQ1 在大规模城市道路网络中，无人机与卡车的协同路径规划在多大程度上能减少总行驶距离？
• RQ2 将联合优化问题解耦为两个顺序的MAPF阶段，在多大程度上保持了解决方案质量的同时提升了计算可行性？
• RQ3 第一阶段卡车路径规划对系统整体性能有何影响，特别是在支持有效无人机中转方面？
• RQ4 在真实道路网络中，该框架在不同数量的无人机与卡车下，其计算时间与解决方案质量如何扩展？
• RQ5 与独立规划无人机与卡车相比，该框架能否实现显著的节能效果？

主要发现

• 所提出的框架相比独立规划无人机与卡车，使总行驶距离减少了50%以上。
• 所有测试配置下，包括曼哈顿道路网络中最多100名代理，解决方案均在5分钟内于普通硬件上完成。
• 消融实验表明，第一阶段卡车路径规划对性能有显著贡献，D-PP变体（卡车使用最短路径）的解比完整PP方法最差时差20%。
• 在15辆卡车与60架无人机、容量为10的设置下，完整PP框架的解比D-PP提升超过20%，凸显优化卡车路径的价值。
• 该框架保持了强大的可扩展性，在代理数量增加及无人机与卡车比例变化时均表现出一致的性能。
• 结果表明，通过卡车实现的协同中转可显著节省能源，使混合无人机-卡车配送系统在城市物流中更具可行性。