Online Submodular Coordination with Bounded Tracking Regret: Theory, Algorithm, and Applications to Multi-Robot Coordination

要約

予測不可能な環境、つまり将来の進化が先験的に、敵対的でさえ未知の環境で、効率的かつ効果的な調整を可能にします。
私たちは、ターゲット追跡、環境マッピング、エリア監視などの複雑なタスクを完了するために、動的で非構造化された敵対的な環境で複数のロボットが調整することを含む自律性の未来に動機付けられています。
このようなタスクは、多くの場合、劣モジュラ最大化調整問題としてモデル化されます。
限定された追跡の後悔、つまり、アプリオリに未来を知っている最適な時変アクションに関して限定された準最適性を持つ最初のサブモジュラー調整アルゴリズムを紹介します。
境界は、敵対的に変化する環境の能力に応じて適切に低下します。
また、あたかも先験的に未来を知っているかのように、ロボットが調整を「学習」するためにアクションを再選択する必要がある頻度を定量化します。
このアルゴリズムでは、ロボットがシーケンス内の前のロボットによって選択されたアクションに基づいて、アクションを順番に選択する必要があります。
特に、このアルゴリズムは、Fisher らによる独創的な Sequential Greedy アルゴリズムを一般化します。
最適な専門家を追跡する問題に対してサブモジュール性とアルゴリズムを活用して、予測不可能な環境に対応します。
ターゲット追跡のシミュレートされたシナリオでアルゴリズムを検証します。

要約(オリジナル)

We enable efficient and effective coordination in unpredictable environments, i.e., in environments whose future evolution is unknown a priori and even adversarial. We are motivated by the future of autonomy that involves multiple robots coordinating in dynamic, unstructured, and adversarial environments to complete complex tasks such as target tracking, environmental mapping, and area monitoring. Such tasks are often modeled as submodular maximization coordination problems. We introduce the first submodular coordination algorithm with bounded tracking regret, i.e., with bounded suboptimality with respect to optimal time-varying actions that know the future a priori. The bound gracefully degrades with the environments’ capacity to change adversarially. It also quantifies how often the robots must re-select actions to ‘learn’ to coordinate as if they knew the future a priori. The algorithm requires the robots to select actions sequentially based on the actions selected by the previous robots in the sequence. Particularly, the algorithm generalizes the seminal Sequential Greedy algorithm by Fisher et al. to unpredictable environments, leveraging submodularity and algorithms for the problem of tracking the best expert. We validate our algorithm in simulated scenarios of target tracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google