[论文解读] Multi-Agent Pathfinding (MAPF) with Continuous Time.

Anton Andreychuk, Konstantin Yakovlev+2 more|arXiv (Cornell University)|Jan 16, 2019

Robotic Path Planning Algorithms被引用 10

一句话总结

本文提出了一种完整且可证明最优的多智能体路径规划（MAPF）算法，适用于连续时间、连续空间及具有体积的智能体——通过结合SIPP（用于连续时间单智能体规划）与CBS（基于冲突的搜索）。该方法消除了离散时间与均匀动作成本的假设，可在复杂、真实的环境中实现最优解。

ABSTRACT

MAPF is the problem of finding paths for multiple agents such that every agent reaches its goal and the agents do not collide. Most prior work on MAPF were on grid, assumed all actions cost the same, agents do not have a volume, and considered discrete time steps. In this work we propose a MAPF algorithm that do not assume any of these assumptions, is complete, and provides provably optimal solutions. This algorithm is based on a novel combination of SIPP, a continuous time single agent planning algorithms, and CBS, a state of the art multi-agent pathfinding algorithm. We analyze this algorithm, discuss its pros and cons, and evaluate it experimentally on several standard benchmarks.

研究动机与目标

• 解决先前MAPF研究中假设离散时间、均匀动作成本及零智能体尺寸的局限性。
• 实现在连续时间与空间中具有物理体积的智能体的最优且完整的多智能体路径规划。
• 开发一种框架，整合连续时间单智能体规划与多智能体冲突解决机制。
• 在现实假设下，提供关于完整性和最优性的理论保证。
• 在标准基准测试上评估该方法，以展示其实际性能与鲁棒性。

提出的方法

• 将SIPP（安全区间插件）适配以处理连续时间与可变动作成本，用于单智能体路径规划。
• 将SIPP与CBS（基于冲突的搜索）集成，以分层且最优的方式解决智能体间的冲突。
• 将智能体路径表示为带有时间区间的连续轨迹，避免对时间步长进行离散化。
• 使用安全区间编码时间可行性，以避免在连续时间中发生碰撞。
• 构建一个搜索树，其中每个节点代表一个冲突解决步骤，通过SIPP重新计算最优路径。
• 通过有界次优搜索与剪枝策略，系统性地探索所有可能的冲突解决方式，确保完整性和最优性。

实验结果

研究问题

• RQ1 能否设计一种MAPF算法，在连续时间与空间中实现可证明的最优性与完整性？
• RQ2 在现实假设下（如可变动作成本、智能体体积、连续时间），SIPP与CBS的集成性能如何？
• RQ3 消除离散时间步长对解的质量与计算效率有何影响？
• RQ4 与离散时间MAPF方法相比，该方法在最优性与可扩展性方面表现如何？

主要发现

• 所提出的算法在连续时间、连续空间及非零智能体体积下具备完整性和可证明最优性。
• 该方法成功消除了对离散时间步长与均匀动作成本的需求，实现了更真实的路径规划。
• 实验评估表明，该算法在处理具有连续动力学的复杂基准时，仍能保持最优性。
• SIPP与CBS的集成实现了高效冲突解决，且未牺牲解的质量。
• 该方法在标准MAPF基准测试中表现出强鲁棒性，即使在可变速度与智能体尺寸等挑战性条件下亦表现良好。
• 该算法为需要连续时间规划的实际MAPF应用提供了理论与实践基础。