[论文解读] Lifelong Multi-Agent Path Finding for Online Pickup and Delivery Tasks

Hang Ma, Jiaoyang Li+2 more|arXiv (Cornell University)|May 30, 2017

Robotic Path Planning Algorithms被引用 74

一句话总结

本文提出终身 MAPD 的公式化，并给出两个解耦算法：Token Passing (TP) 和 Token Passing with Task Swaps (TPTS)，以及一个集中化的草案基线，展示 TP 和 TPTS 在格式良好的 MAPD 实例中的可解性，并在模拟仓库中进行经验比较。

ABSTRACT

The multi-agent path-finding (MAPF) problem has recently received a lot of attention. However, it does not capture important characteristics of many real-world domains, such as automated warehouses, where agents are constantly engaged with new tasks. In this paper, we therefore study a lifelong version of the MAPF problem, called the multi-agent pickup and delivery (MAPD) problem. In the MAPD problem, agents have to attend to a stream of delivery tasks in an online setting. One agent has to be assigned to each delivery task. This agent has to first move to a given pickup location and then to a given delivery location while avoiding collisions with other agents. We present two decoupled MAPD algorithms, Token Passing (TP) and Token Passing with Task Swaps (TPTS). Theoretically, we show that they solve all well-formed MAPD instances, a realistic subclass of MAPD instances. Experimentally, we compare them against a centralized strawman MAPD algorithm without this guarantee in a simulated warehouse system. TP can easily be extended to a fully distributed MAPD algorithm and is the best choice when real-time computation is of primary concern since it remains efficient for MAPD instances with hundreds of agents and tasks. TPTS requires limited communication among agents and balances well between TP and the centralized MAPD algorithm.

研究动机与目标

• 将 lifelong MAPD 视为 MAPF 在已知环境中流任务的现实扩展来激励。
• 提供两个解耦算法（TP 和 TPTS），以处理在线任务到达和碰撞规避。
• 为良构 MAPD 实例建立理论保证，并通过实验与集中方法进行比较。
• 提供关于分布式与集中式协调在动态任务环境中的见解。

提出的方法

• 将 MAPD 问题形式化并定义良构的 MAPD 实例。
• 开发 Token Passing (TP)，让代理通过共享令牌顺序规划路径。
• 开发 Token Passing with Task Swaps (TPTS)，允许对任务进行动态重新分配（交换）。
• 提供 Path1 和 Path2 子例程，在解耦设置中计算无碰撞的端点到端点路径。
• 证明 TP 和 TPTS 解决所有良构 MAPD 实例（存在有限的、无碰撞的计划）。
• 引入一个集中式草案（CENTRAL）来基准解耦方法并解决一个两阶段的 MAPF 规划问题以作比较。

实验结果

研究问题

• RQ1 解耦的在线 MAPD 策略（TP 和 TPTS）能否对良构 MAPD 实例保证存在解？
• RQ2 TP 和 TPTS 在动态在线任务流中的效率和任务服务时间方面的比较？
• RQ3 集中式规划与基于令牌的分散方法在仿真仓库中的性能影响？

主要发现

• TP 能解决所有良构 MAPD 实例，并且对于大量代理/任务时也高效。
• TPTS 由于任务交换通常能带来更好的服务时间，尽管并非普遍适用（取决上下文）。
• CENTRAL 提供了更强的基线，通常性能更好，但需要更多的通信和计算。
• TP 和 TPTS 通过端点为基础的规划（Path1/Path2）以及良构实例保证来保持无碰撞运行。
• 在一个仿真 21x35 仓库、最多 50 名代理的实验中，展示了 TP、TPTS 和 CENTRAL 在制造时间、服务时间和每时间步运行时间上的定量差异。