[论文解读] From Drinking Philosophers to Wandering Robots

Yunus Emre Sahin, Necmiye Özay|arXiv (Cornell University)|Jan 2, 2020

Optimization and Search Problems参考文献 26被引用 6

一句话总结

本文将多机器人路径执行问题形式化为一个分布式资源分配任务，具体映射到饮酒哲学家问题（Drinking Philosophers Problem, DrPP）。通过将共享资源重新定义为饮酒时段，该方法适配了现有的DrPP解决方案，设计出无碰撞、无死锁的分布式机器人控制策略，且无需速度估计，在仿真中表现出具有竞争力的性能。

ABSTRACT

In this paper, we consider the multi-robot path execution problem where a group of robots move on predefined paths from their initial to target positions while avoiding collisions and deadlocks in the face of asynchrony. We first show that this problem can be reformulated as a distributed resource allocation problem and, in particular, as an instance of the well-known Drinking Philosophers Problem (DrPP). By careful construction of the drinking sessions capturing shared resources, we show that any existing solutions to DrPP can be used to design robot control policies that are collectively collision and deadlock-free. We then propose modifications to an existing DrPP algorithm to allow more concurrent behavior, and provide conditions under which our method is deadlock-free. Our method do not require robots to know or to estimate the speed profiles of other robots, and results in distributed control policies. We demonstrate the efficacy of our method on simulation examples, which show competitive performance against the state-of-the-art.

研究动机与目标

• 为解决多机器人系统在异步环境下实现无碰撞、无死锁路径执行的挑战。
• 将机器人协调问题建模为分布式资源分配问题，利用研究充分的饮酒哲学家问题（DrPP）。
• 将现有DrPP解决方案适配为去中心化且对未知或可变机器人速度具有鲁棒性的机器人控制策略。
• 改进现有DrPP算法，以在保持无死锁性的同时提升并发性。
• 通过仿真展示该方法的有效性，证明其在执行效率和安全性方面与最先进方法具有竞争力。

提出的方法

• 通过将共享路径段建模为DrPP框架中的资源，将多机器人路径执行问题重新表述为分布式资源分配问题。
• 构建‘饮酒时段’以表示对共享资源的访问，从而可利用成熟的DrPP解决方案实现机器人协调。
• 修改现有DrPP算法，通过放松严格排序约束以提高并发性，同时保持无死锁性。
• 设计分布式控制策略，使每个机器人基于本地信息做出本地决策，无需了解其他机器人速度特性。
• 建立形式化条件，确保改进后的基于DrPP的控制策略在机器人路径执行中保持无死锁。
• 通过仿真实验评估性能，与最先进方法在执行效率和安全性方面进行对比。

实验结果

研究问题

• RQ1 多机器人路径执行问题能否被有效建模为饮酒哲学家问题的一个实例？
• RQ2 如何将现有DrPP解决方案适配为生成无碰撞、无死锁的机器人控制策略？
• RQ3 对DrPP算法进行何种修改，可在机器人协调中实现更高并发性同时保持无死锁性？
• RQ4 所提方法能否在无需机器人估计或知晓彼此速度特性的情况下实现分布式控制？
• RQ5 在仿真中，所提方法的性能与最先进方法相比如何？

主要发现

• 所提方法成功将多机器人路径执行问题转化为DrPP实例，从而可复用成熟的无死锁协调解决方案。
• DrPP解决方案的适配产生了无需机器人知晓或估计彼此速度特性的分布式、鲁棒控制策略。
• 改进后的DrPP算法相比原始版本实现了更高的并发性，提升了整体系统吞吐量。
• 推导出形式化条件，确保所提方法在机器人路径执行中保证无死锁。
• 仿真结果表明，该方法在性能上与最先进方法具有竞争力，证实了该方法的实用性。
• 该方法在异步环境下实现了多机器人系统中的无碰撞、无死锁执行，且无需中心化协调或速度估计。