[论文解读] Overview: Generalizations of Multi-Agent Path Finding to Real-World Scenarios

Hang Ma, Sven Koenig+8 more|arXiv (Cornell University)|Feb 17, 2017

Robotic Path Planning Algorithms参考文献 17被引用 90

一句话总结

本文综述了MAPF如何推广到现实世界场景，并概述了四个研究方向——TAPF、PERR、通过高速公路实现的运动可预测性，以及计划执行后处理——以利用问题结构并确保在多智能体系统中的实际执行。

ABSTRACT

Multi-agent path finding (MAPF) is well-studied in artificial intelligence, robotics, theoretical computer science and operations research. We discuss issues that arise when generalizing MAPF methods to real-world scenarios and four research directions that address them. We emphasize the importance of addressing these issues as opposed to developing faster methods for the standard formulation of the MAPF problem.

研究动机与目标

• 说明为何对标准问题的更快MAPF方法不足以应对现实世界场景的需求。
• 引入四个面向现实世界结构和执行约束的研究方向。
• 展示这些方向如何利用问题结构来提升实用性与鲁棒性。
• 强调在路径规划之外，计划执行的考虑同样重要。

提出的方法

• 为一组代理的团队形式化联合目标分配与寻路（TAPF），并给出一个可扩展到数十个团队和数百个代理的最优TAPF方法。
• 定义包裹交换机器人寻路（PERR），以允许载荷传输并分析其复杂性，显示MAPF/TAPF在近似结果上的NP-hard关系。
• 开发基于高速公路的方案，通过将MAPF解偏向用户给定或自动生成的高速公路来提高路径的一致性与可预测性。
• 提出使用时间网络的后处理框架，将MAPF输出转换为可执行的计划，以满足运动学约束和安全距离，从而降低重新规划的需求。

实验结果

研究问题

• RQ1 如何将目标分配与路径寻找到一起优化，以获得可互换代理团队的完成时间？
• RQ2 在MAPF中允许载荷传输的含义与限制是什么，这将如何影响复杂性与可解性？
• RQ3 结构化的高速公路是否能提高共享工作空间中多智能体运动的一致性与可预测性？
• RQ4 MAPF解如何适应不完美执行并仍然避免重新规划？
• RQ5 在现实世界的MAPF变体中，开发对利用问题结构与保持计算可行性之间的权衡是什么？

主要发现

• TAPF推广了标准MAPF和匿名MAPF变体，冲突最小成本流（Conflict-Based Min-Cost Flow）方法实现了对多支队伍和数百代理的TAPF最优扩展。
• PERR将MAPF扩展到允许包裹交换，证明了求解最优解的近似难度，并显示即使只有两支队伍，在TAPF中的完成时间近似于4/3也属于NP-hard。
• 利用高速公路等结构化特征来加速MAPF求解，同时保持有界次优成本。
• 一个简单的时间网络后处理框架能够创建可执行的计划调度，考虑瓶颈、运动学约束和安全距离，从而减少再规划的需要。
• 该工作通过在一个协同框架中将规划与执行联系起来，强调了现实世界的可应用性。