Improving LaCAM for Scalable Eventually Optimal Multi-Agent Pathfinding

要約

タイトル：スケーラブルかつ最適なマルチエージェントパスファインディングのためのLaCAMの改善方法

要約：

– LaCAMはマルチエージェントパスファインディング（MAPF）のためのサブオプティマルな探索ベースのアルゴリズムで、怠惰な後継世代の使用により計画作業を劇的に減らすことができます。
– この研究では、LaCAMアルゴリズムを拡張しています。最初に、解決コストが蓄積遷移コストである限り、最終的に最適な結果に収束するanytimeバージョンのLaCAM＊を提案しています。さらに、初期解を迅速に取得するために後継世代を改良しています。
– 実験では、LaCAM*は、エージェント数が最大で1000になるMAPFベンチマークから取得された99％のインスタンスを標準的なデスクトップPC上で10秒以内にサブオプティマルに解決し、最適解に収束することを保証します。これは、MAPFアルゴリズムの新しい地平を開発しています。

要約(オリジナル)

This study extends the recently-developed LaCAM algorithm for multi-agent pathfinding (MAPF). LaCAM is a sub-optimal search-based algorithm that uses lazy successor generation to dramatically reduce the planning effort. We present two enhancements. First, we propose its anytime version, called LaCAM*, which eventually converges to optima, provided that solution costs are accumulated transition costs. Second, we improve the successor generation to quickly obtain initial solutions. Exhaustive experiments demonstrate their utility. For instance, LaCAM* sub-optimally solved 99% of the instances retrieved from the MAPF benchmark, where the number of agents varied up to a thousand, within ten seconds on a standard desktop PC, while ensuring eventual convergence to optima; developing a new horizon of MAPF algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI