Adaptive Robot Coordination: A Subproblem-based Approach for Hybrid Multi-Robot Motion Planning

要約

この研究では、ロボット間の競合を解決するためにローカル部分問題を採用するマルチロボット動作計画 (MRMP) のための新しいハイブリッド フレームワークである適応ロボット調整 (ARC) を紹介します。
ARC は競合を中心とした部分問題を作成し、解決策はこれらの競合を解決するために必要なロボットの動作を表します。
部分問題を使用すると、マルチロボット計画空間の安価なハイブリッド探索が可能になります。
ARC は、マルチロボット計画空間の結合と分離を動的に調整することにより、ハイブリッド探査を活用します。
これにより、ARC は、ロボットが独立して動作できる分離されたスペースと、調整が不可欠な結合されたスペースで計画を立てることにより、調整レベルを効率的に適応させることができます。
ARC は確率的に完全であり、あらゆるロボットに使用でき、計画時間の短縮で効率的なコストのソリューションを生成します。
ARC は、さまざまなレベルの調整を必要とするさまざまなロボットを使用した代表的なシナリオにわたる広範な評価を通じて、スケーラビリティと正確な調整を同時に提供する能力を実証しています。
ARC は、すべてのシナリオを解決できる唯一の方法であり、結合ベースライン、分離ベースライン、およびハイブリッド ベースラインと競合します。

要約(オリジナル)

This work presents Adaptive Robot Coordination (ARC), a novel hybrid framework for multi-robot motion planning (MRMP) that employs local subproblems to resolve inter-robot conflicts. ARC creates subproblems centered around conflicts, and the solutions represent the robot motions required to resolve these conflicts. The use of subproblems enables an inexpensive hybrid exploration of the multi-robot planning space. ARC leverages the hybrid exploration by dynamically adjusting the coupling and decoupling of the multi-robot planning space. This allows ARC to adapt the levels of coordination efficiently by planning in decoupled spaces, where robots can operate independently, and in coupled spaces where coordination is essential. ARC is probabilistically complete, can be used for any robot, and produces efficient cost solutions in reduced planning times. Through extensive evaluation across representative scenarios with different robots requiring various levels of coordination, ARC demonstrates its ability to provide simultaneous scalability and precise coordination. ARC is the only method capable of solving all the scenarios and is competitive with coupled, decoupled, and hybrid baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google