要約
時間制限のあるマルチロボットミッションの実行には、マルチロボットタスク割り当て (MRTA) とマルチエージェントパス探索 (MAPF) という 2 つの異なる問題が伴います。
すべてのタスクを完了し、ミッション完了までの時間 (メイクスパン) を最小限に抑える安全なパスを計算することは、小規模なチームにとっても計算上の大きな課題です。
多くのミッションでは、実行中にタスクが生成されることがありますが、これは通常、タスクの割り当てとパスを最初から再計算するか、近似的なアプローチを使用して既存の計画を変更することによって処理されます。
タスクの再割り当てとパス検索を最初から実行すると理論的には最適な結果が得られますが、計算負荷によりオンライン実装にはコストがかかりすぎます。
この研究では、時間に敏感なオンライン タスク割り当てとナビゲーション (TSOTAN) を紹介します。これは、限られた次善のタスク割り当てのメイクスパンを保証しながら、オンラインで生成されたタスクを迅速に組み込むことができるフレームワークです。
これは、部分的なタスクの再割り当ての品質を評価し、メイクスパンがユーザー指定の準最適化限界を超えた場合にのみ完全な再最適化を実行することによって行われます。
2D 環境での実験を通じて、オンライン実装に適した計算時間で高品質のソリューションを生成する TSOTAN の能力を実証します。
要約(オリジナル)
Executing time-sensitive multi-robot missions involves two distinct problems: Multi-Robot Task Assignment (MRTA) and Multi-Agent Path Finding (MAPF). Computing safe paths that complete every task and minimize the time to mission completion, or makespan, is a significant computational challenge even for small teams. In many missions, tasks can be generated during execution which is typically handled by either recomputing task assignments and paths from scratch, or by modifying existing plans using approximate approaches. While performing task reassignment and path finding from scratch produces theoretically optimal results, the computational load makes it too expensive for online implementation. In this work, we present Time-Sensitive Online Task Assignment and Navigation (TSOTAN), a framework which can quickly incorporate online generated tasks while guaranteeing bounded suboptimal task assignment makespans. It does this by assessing the quality of partial task reassignments and only performing a complete reoptimization when the makespan exceeds a user specified suboptimality bound. Through experiments in 2D environments we demonstrate TSOTAN’s ability to produce quality solutions with computation times suitable for online implementation.
arxiv情報
| 著者 | David Thorne,Brett T. Lopez |
| 発行日 | 2023-10-09 21:00:43+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google