[论文解读] Leveraging Experience in Lifelong Multi-Agent Pathfinding

Nitzan Madar, Kiril Solovey+1 more|arXiv (Cornell University)|Feb 9, 2022

Robotic Path Planning Algorithms被引用 4

一句话总结

本文提出 exRHCR，一种用于终身多智能体路径规划（L-MAPF）的新方法，通过复用先前的解决方案经验来加速规划。通过在优先级搜索（PBS）中引入基于经验的暖启动机制，利用学习得到的智能体优先级集合，exRHCR 相较于 RHCR 将平均运行时间减少高达 39%，显著提升了在动态任务流中的系统吞吐量。

ABSTRACT

In Lifelong Multi-Agent Path Finding (L-MAPF) a team of agents performs a stream of tasks consisting of multiple locations to be visited by the agents on a shared graph while avoiding collisions with one another. L-MAPF is typically tackled by partitioning it into multiple consecutive, and hence similar, "one-shot" MAPF queries, as in the Rolling-Horizon Collision Resolution (RHCR) algorithm. Therefore, a solution to one query informs the next query, which leads to similarity with respect to the agents' start and goal positions, and how collisions need to be resolved from one query to the next. Thus, experience from solving one MAPF query can potentially be used to speedup solving the next one. Despite this intuition, current L-MAPF planners solve consecutive MAPF queries from scratch. In this paper, we introduce a new RHCR-inspired approach called exRHCR, which exploits experience in its constituent MAPF queries. In particular, exRHCR employs an extension of Priority-Based Search (PBS), a state-of-the-art MAPF solver. The extension, which we call exPBS, allows to warm-start the search with the priorities between agents used by PBS in the previous MAPF instances. We demonstrate empirically that exRHCR solves L-MAPF instances up to 39% faster than RHCR, and has the potential to increase system throughput for given task streams by increasing the number of agents a planner can cope with for a given time budget.

研究动机与目标

• 为解决连续 L-MAPF 查询从零开始求解效率低下的问题。
• 利用连续查询间智能体起点/目标位置以及冲突解决模式的时间相似性。
• 通过整合先前 MAPF 解决方案的经验，提升 RHCR 算法的效率。
• 为 PBS 开发一种暖启动机制，以加速重复且相似的 MAPF 实例的收敛速度。

提出的方法

• 将优先级搜索（PBS）扩展为 exPBS，通过先前学习到的智能体优先级集合初始化优先级树。
• 使用宽度受限的深度优先搜索（WL-DFS）来探索优先级树，同时通过限制搜索宽度避免过度探索。
• 当宽度限制被超过或根优先级集合不可行时，回退至标准 PBS。
• 将连续的 MAPF 查询分批处理，每批包含 δ+1 个查询，其中第一个使用 PBS 求解，其余 δ 个使用 exPBS 并共享经验。
• 引入参数 ℓ 以控制 WL-DFS 探索的深度，从而在性能与回退频率之间实现可调的权衡。
• 采用雷达图与消融研究评估 ℓ 对运行时间、PT 宽度和节点扩展数的影响。

实验结果

研究问题

• RQ1 复用先前 MAPF 查询中获得的智能体优先级集合，是否能显著减少后续 L-MAPF 实例的规划时间？
• RQ2 WL-DFS 中的深度限制 ℓ 如何影响 exPBS 算法的性能与稳定性？
• RQ3 在基于经验的搜索中，探索深度与回退频率之间应如何达到最优平衡？
• RQ4 在 PBS 中采用基于经验的暖启动是否能带来 L-MAPF 系统吞吐量的可测量提升？
• RQ5 性能对参数选择（如宽度限制与节点扩展限制）的敏感程度如何？

主要发现

• 在所测试的 L-MAPF 实例中，exRHCR 相较于 RHCR 将平均运行时间减少高达 39%。
• 在 WL-DFS 中设置宽度限制 ℓ=100 时，性能与稳定性达到最佳平衡，既避免了过度回退，也防止了过度探索。
• 当 ℓ=2 时，回退频率过高（达 65%），导致额外开销并降低性能。
• 当 ℓ=1,000 时，回退极少，但导致优先级树探索过度，因搜索效率低下而增加运行时间。
• 基于节点的限制效果较差，且对领域特定参数更敏感，而基于宽度的限制更优。
• 该方法通过使规划器在相同时间预算内处理更多智能体，显著提升了系统吞吐量。