Local Non-Cooperative Games with Principled Player Selection for Scalable Motion Planning

要約

ゲーム理論的モーション プランナーは、対話型マルチエージェント ロボット システムを制御するための強力なツールです。
実際、予測してから計画するパラダイムとは反対に、ゲーム理論のプランナーは問題の対話的な性質を無視せず、自分のポリシーの変更を考慮しながら同時に他のエージェントの行動を予測します。
ただし、これには、特に考慮されるエージェントの数が増えるにつれて、計算の複雑さが犠牲になります。
実際、数人以上のエージェントによる計画はすぐに手に負えなくなり、ゲーム理論に基づいたプランナーは大規模な計画の候補者として失格となる可能性があります。
この論文では、多数のエージェントを備えたロボットシステムでゲーム理論プランナーの使用を可能にする計画アルゴリズムを提案します。
私たちのプランナーは、情報の局所性の現実に基づいているため、選択されたエージェントのサブセットを使用して後退地平線方式でローカル ゲームを展開し、衝突を回避する軌道を計画します。
ゲーム参加者を選択するための 5 つの異なる原則的なスキームを提案し、衝突回避パフォーマンスを比較します。
優先順位付けのためのコントロール バリア関数の使用は、モーション プランニングにおけるプレーヤー選択の問題に対する強力な解決策であることがわかりました。

要約(オリジナル)

Game-theoretic motion planners are a powerful tool for the control of interactive multi-agent robot systems. Indeed, contrary to predict-then-plan paradigms, game-theoretic planners do not ignore the interactive nature of the problem, and simultaneously predict the behaviour of other agents while considering change in one’s policy. This, however, comes at the expense of computational complexity, especially as the number of agents considered grows. In fact, planning with more than a handful of agents can quickly become intractable, disqualifying game-theoretic planners as possible candidates for large scale planning. In this paper, we propose a planning algorithm enabling the use of game-theoretic planners in robot systems with a large number of agents. Our planner is based on the reality of locality of information and thus deploys local games with a selected subset of agents in a receding horizon fashion to plan collision avoiding trajectories. We propose five different principled schemes for selecting game participants and compare their collision avoidance performance. We observe that the use of Control Barrier Functions for priority ranking is a potent solution to the player selection problem for motion planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google