[论文解读] Toward Efficient Task Assignment and Motion Planning for Large Scale Underwater Mission

Somaiyeh Mahmoud Zadeh, David Powers+2 more|arXiv (Cornell University)|Apr 17, 2016

Robotic Path Planning Algorithms参考文献 21被引用 12

一句话总结

本文提出了一种基于PSO启发式方法的混合任务分配与路径规划框架，用于大规模水下任务，该方法将局部路径规划与自适应全局路径规划相结合。该方法可在复杂环境中实现高效、动态的引导，通过在NP难规划场景中快速生成可行解，显著提升任务成功率、安全性与生产效率。

ABSTRACT

An Autonomous Underwater Vehicle (AUV) needs to acquire a certain degree of autonomy for any particular underwater mission to fulfill the mission objectives successfully and ensure its safety in all stages of the mission in a large scale operating filed. In this paper, a novel combinatorial conflict-free-task assignment strategy consisting an interactive engagement of a local path planner and an adaptive global route planner, is introduced. The method is established upon the heuristic search potency of the Particle Swarm Optimisation (PSO) algorithm to address the discrete nature of routing-task assignment approach and the complexity of NP-hard path planning problem. The proposed hybrid method is highly efficient for having a reactive guidance framework that guarantees successful completion of missions specifically in cluttered environments. To examine the performance of the method in a context of mission productivity, mission time management and vehicle safety, a series of simulation studies are undertaken. The results of simulations declare that the proposed method is reliable and robust, particularly in dealing with uncertainties, and it can significantly enhance the level of vehicle's autonomy by relying on its reactive nature and capability of providing fast feasible solutions.

研究动机与目标

• 解决涉及多架自主水下航行器（AUVs）的大规模水下任务中高效任务分配与路径规划的挑战。
• 开发一种反应式引导框架，确保在复杂、杂乱的水下环境中任务成功与车辆安全。
• 通过利用启发式优化技术，降低NP难路径规划中的计算复杂度。
• 通过在不确定性条件下快速生成可行解，提升任务生产效率与时间管理能力。

提出的方法

• 提出一种新颖的组合式无冲突任务分配策略，将局部路径规划与自适应全局路径规划相结合。
• 该方法采用粒子群优化（PSO）来处理路由与任务分配问题的离散性与NP难特性。
• 利用PSO增强在大规模任务规划中寻找最优或近似最优解的搜索能力。
• 该框架设计为具有反应性，能够实时适应环境变化与不确定性。
• 混合架构通过结合局部路径优化与全局路径优化，实现动态重规划。
• 通过大量仿真研究评估系统在任务生产效率、时间管理与安全性方面的性能。

实验结果

研究问题

• RQ1 在涉及多架AUV的大型水下任务中，如何高效协调任务分配与路径规划？
• RQ2 何种优化技术能有效处理动态水下环境中离散路由与任务分配的NP难复杂性？
• RQ3 基于PSO的方法在杂乱水下场景中能在多大程度上提升任务成功率与安全性？
• RQ4 所提出框架的反应性如何增强实时响应能力与解的可行性？
• RQ5 不确定性对所提出的混合规划系统性能有何影响？

主要发现

• 所提出方法在应对水下任务中的环境不确定性方面表现出高度的可靠性与鲁棒性。
• 该系统通过其反应式规划框架，显著提升了AUV的自主性，实现了快速、可行的解生成。
• 仿真结果证实，在各种复杂场景下，任务生产效率得到提升，时间管理更加有效。
• 基于PSO的混合方法在计算效率与解质量之间实现了更优平衡，优于传统方法。
• 该框架即使在存在动态障碍物的杂乱环境中，也能确保无冲突的任务分配与安全导航。
• 该方法在保持高解质量的同时显著减少了规划时间，支持实时部署。