SwarmPRM: Probabilistic Roadmap Motion Planning for Swarm Robotic Systems

要約

大規模な協調エージェントで構成される群ロボット システムは、さまざまな分野で自律タスクを実行することが期待されています。
ただし、群ロボット システムの既存の計画戦略では、スケーラビリティとソリューションの品質の間でトレードオフが発生することがよくあります。
ここでは、SwarmPRM を紹介します。SwarmPRM は、階層的で拡張性が高く、計算効率が高く、リスクを意識したサンプリング ベースの群れロボット システム用の動作計画アプローチであり、穏やかな仮定の下で漸近的に最適化されます。
私たちは確率密度関数 (PDF) を使用して群れの巨視的な状態を表し、最適物質輸送 (OMT) 理論を利用して群れの移動コストを測定します。
リスクを認識したガウス ロードマップが構築され、各ノードが個別の PDF をカプセル化し、条件付きリスク値 (CVaR) を使用して衝突リスクを評価し、Wasserstein-GMM 空間での巨視的 PDF の生成を容易にします。
広範なシミュレーションにより、提案されたアプローチが計算効率と平均移動距離の点で最先端の方法よりも優れていることが実証されました。

要約(オリジナル)

Swarm robotic systems consisting of large-scale cooperative agents hold promise for performing autonomous tasks in diverse fields. However, existing planning strategies for swarm robotic systems often encounter a trade-off between scalability and solution quality. We introduce here SwarmPRM, a hierarchical, highly scalable, computationally efficient, and risk-aware sampling-based motion planning approach for swarm robotic systems, which is asymptotically optimal under mild assumptions. We employ probability density functions (PDFs) to represent the swarm’s macroscopic state and utilize optimal mass transport (OMT) theory to measure the swarm’s cost to go. A risk-aware Gaussian roadmap is constructed wherein each node encapsulates a distinct PDF and conditional-value-at-risk (CVaR) is employed to assess the collision risk, facilitating the generation of macroscopic PDFs in Wasserstein-GMM space. Extensive simulations demonstrate that the proposed approach outperforms state-of-the-art methods in terms of computational efficiency and the average travelling distance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google