[论文解读] Learning Task Requirements and Agent Capabilities for Multi-agent Task Allocation

Bo Fu, William L. Smith+4 more|arXiv (Cornell University)|Nov 7, 2022

Multi-Agent Systems and Negotiation被引用 5

一句话总结

本文提出一种学习框架，通过团队配置和性能数据估计任务需求与智能体能力，利用线性规划将这些参数嵌入基于优化的任务分配中。该方法实现低预测误差（0.5%–2%）和快速训练（40项任务和6种智能体类型约12秒），并在ROS/Gazebo仿真环境中针对多智能体探索与操作任务进行了验证。

ABSTRACT

This paper presents a learning framework to estimate an agent capability and task requirement model for multi-agent task allocation. With a set of team configurations and the corresponding task performances as the training data, linear task constraints can be learned to be embedded in many existing optimization-based task allocation frameworks. Comprehensive computational evaluations are conducted to test the scalability and prediction accuracy of the learning framework with a limited number of team configurations and performance pairs. A ROS and Gazebo-based simulation environment is developed to validate the proposed requirements learning and task allocation framework in practical multi-agent exploration and manipulation tasks. Results show that the learning process for scenarios with 40 tasks and 6 types of agents uses around 12 seconds, ending up with prediction errors in the range of 0.5-2%.

研究动机与目标

• 解决基于优化的多智能体任务分配框架中未知智能体能力与任务需求的估计挑战。
• 通过从有限的团队配置和性能数据中学习参数，实现基于模型的任务分配的实际部署。
• 开发一种可泛化的框架，适用于具备已知能力-任务关系稀疏模式的多样化任务场景。
• 在训练数据有限的情况下，确保学习过程的可扩展性与准确性，避免进行详尽的性能评估。
• 在ROS和Gazebo支持的现实多智能体仿真环境中，针对探索与操作任务验证该框架。

提出的方法

• 将参数估计问题建模为线性规划，以最小化不同团队配置下观测到的与预测的任务性能差异。
• 使用团队配置（分配给任务的智能体类型）和相应的性能度量（如任务完成时间）作为训练数据。
• 将智能体能力与任务需求建模为线性约束，假设能力具有累积性，并已知稀疏模式。
• 将学习到的参数作为约束，应用于标准的基于优化的任务分配框架，以生成团队协作、路径规划与调度方案。
• 基于ROS和Gazebo构建仿真环境，以收集类真实世界性能数据，并在异构任务场景中验证该框架。
• 通过随机采样团队配置来降低数据收集成本，同时保持高学习准确率与速度。

实验结果

研究问题

• RQ1 学习框架能否在多智能体系统中，仅基于有限的性能数据，准确估计智能体能力与任务需求？
• RQ2 当应用于大规模任务与智能体配置时，该学习过程的可扩展性与速度如何？
• RQ3 所学习的约束在类似但不同的任务环境（如室内与室外）之间，其泛化能力达到何种程度？
• RQ4 所学习的参数在嵌入现有基于优化的任务分配框架后，能否生成可行且最优的团队协作、路径规划与调度方案？
• RQ5 数据采样策略（如随机采样与穷举采样）对学习准确率与训练时间有何影响？

主要发现

• 该学习框架在各种任务与智能体配置下，预测误差范围为0.5%至2%，表现出高精度。
• 在包含40项任务和6种智能体类型的场景中，训练时间约为12秒，表明计算效率高。
• 该框架成功从室内训练数据泛化至室外仿真环境，保持了任务时间阈值，验证了其鲁棒性。
• 所学习的智能体能力与任务需求被有效嵌入基于优化的任务分配模型，生成了可行且最优的团队协作、路径规划与调度方案。
• 仿真中所有任务完成并返回基地的总时间为317秒，所有任务时间约束均被满足。
• 该学习过程对阈值选择具有鲁棒性，即使在随机采样的训练数据上也表现良好，从而减少了对详尽性能评估的需求。