Scalable Mechanism Design for Multi-Agent Path Finding

要約

マルチエージェント経路探索 (MAPF) には、複数のエージェントが共有エリアを通って特定の目標位置に向かって同時に移動する経路を決定することが含まれます。
この問題は、自動運転車の調整などの現実的なアプリケーションではよくあることですが、特に多数のエージェントを扱う場合には、計算的に複雑になります。
最適な解を見つけることは計算的に実行不可能であることが多く、近似アルゴリズムの使用が不可欠になります。
複雑さに加えて、エージェントは利己的かつ戦略的な方法で行動し、それが自分たちに利益をもたらす場合には、MAPF アルゴリズムに対して自分たちの目標を誤って伝える可能性があります。
メカニズム設計の分野ではインセンティブを調整するためのツールが提供されていますが、これらのツールを慎重に検討せずに使用すると、ほぼ最適な結果しか得られない場合に失敗する可能性があります。
スケーラブルな MAPF アルゴリズムには近似が不可欠であるため、これは大きな課題となります。
この研究では、MAPF のスケーラブルなメカニズム設計の問題を導入し、3 つの戦略に耐えるメカニズムを提案します。そのうちの 2 つは近似 MAPF アルゴリズムを使用します。
私たちは、問題の規模が数十から数百のエージェントに及ぶ現実的な MAPF ドメインでメカニズムをテストします。
私たちの調査結果は、それらが単純なベースラインを超えて福祉を改善することを示しています。

要約(オリジナル)

Multi-Agent Path Finding (MAPF) involves determining paths for multiple agents to travel simultaneously through a shared area toward particular goal locations. This problem is computationally complex, especially when dealing with large numbers of agents, as is common in realistic applications like autonomous vehicle coordination. Finding an optimal solution is often computationally infeasible, making the use of approximate algorithms essential. Adding to the complexity, agents might act in a self-interested and strategic way, possibly misrepresenting their goals to the MAPF algorithm if it benefits them. Although the field of mechanism design offers tools to align incentives, using these tools without careful consideration can fail when only having access to approximately optimal outcomes. Since approximations are crucial for scalable MAPF algorithms, this poses a significant challenge. In this work, we introduce the problem of scalable mechanism design for MAPF and propose three strategyproof mechanisms, two of which even use approximate MAPF algorithms. We test our mechanisms on realistic MAPF domains with problem sizes ranging from dozens to hundreds of agents. Our findings indicate that they improve welfare beyond a simple baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google