Concurrent Constrained Optimization of Unknown Rewards for Multi-Robot Task Allocation

要約

タスクの割り当てにより、複数のロボット チームを効果的に調整して、個々のロボットでは困難なタスクを達成できます。
ただし、タスク割り当てに対する既存のアプローチでは、タスク要件または報酬関数が既知であり、ユーザーによって明示的に指定されていることを前提としていることがよくあります。
この研究では、タスクの報酬関数が不明な場合に、特定の異種マルチロボット チームに対して効果的な連携を形成するという課題を検討します。
この目的を達成するために、まず、COCOA (COCOA) と呼ばれる新しいクラスの問題を定式化します。
COCOA 問題では、限られたリソースを持つ特定のマルチロボット チームを使用して、すべてのタスクの未知の報酬が同時に最大化されるように、連携をオンラインで最適化する必要があります。
COCOA 問題に対処するために、Concurrent Multi-Task Adaptive Bandits (CMTAB) という名前のオンライン最適化アルゴリズムを導入します。これは、連続武装バンディット アルゴリズムを活用し、その上に構築されます。
詳細な数値シミュレーションとシミュレートされた緊急対応タスクを含む実験により、CMTAB が探索と活用を効果的にトレードオフして、チームのリソース制約を尊重しながら未知のタスクの報酬を同時に効率的に最適化できることが明らかになりました。

要約(オリジナル)

Task allocation can enable effective coordination of multi-robot teams to accomplish tasks that are intractable for individual robots. However, existing approaches to task allocation often assume that task requirements or reward functions are known and explicitly specified by the user. In this work, we consider the challenge of forming effective coalitions for a given heterogeneous multi-robot team when task reward functions are unknown. To this end, we first formulate a new class of problems, dubbed COncurrent Constrained Online optimization of Allocation (COCOA). The COCOA problem requires online optimization of coalitions such that the unknown rewards of all the tasks are simultaneously maximized using a given multi-robot team with constrained resources. To address the COCOA problem, we introduce an online optimization algorithm, named Concurrent Multi-Task Adaptive Bandits (CMTAB), that leverages and builds upon continuum-armed bandit algorithms. Experiments involving detailed numerical simulations and a simulated emergency response task reveal that CMTAB can effectively trade-off exploration and exploitation to simultaneously and efficiently optimize the unknown task rewards while respecting the team’s resource constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google