Large-Scale Multi-Robot Coverage Path Planning via Local Search

要約

私たちは、特定の 2D グリッド地形グラフ $G$ のすべての頂点をカバーする複数のロボットのカバレッジ パスを計算することを目的とした、グラフベースのマルチロボット カバレッジ パス プランニング (MCPP) を研究します。
既存のグラフベースの MCPP アルゴリズムは、まず $G$ (すべての頂点をカバーする複数のツリーのフォレスト) 上のツリー カバーを計算し、次にスパニング ツリー カバレッジ (STC) パラダイムを採用して、分解されたグラフ $D$ 上にカバレッジ パスを生成します。
メイクスパン (つまり、すべてのロボット間の最大カバレッジ パス コスト) を最適化することを目的として、計算されたツリーのエッジを周回することによって地形グラフ $G$ を作成します。
このペーパーでは、$D$ 上で直接、適切なカバレッジ パスを系統的に検索する方法を検討することで、別のアプローチを採用します。
LS-MCPP と呼ばれる新しいアルゴリズム フレームワークを導入します。これは、ローカル検索を利用して $D$ を直接操作します。
我々は、STC を拡張して、不完全な地形グラフから生じたものであっても、分解されたグラフ上で MCPP を完全にカバーする新しいスタンドアロン パラダイムである Extended-STC (ESTC) を提案します。
さらに、ESTC と 3 つの新しいタイプの近傍演算子をフレームワークに統合して、その検索プロセスを効果的にガイドする方法を示します。
私たちの広範な実験により、LS-MCPP の有効性が実証され、$G$ で次善の樹木被覆を計算する 2 つの最先端のベースライン アルゴリズムによって返される初期解が一貫して改善され、メイクスパンが最大 35.7\% 大幅に短縮されました。
それぞれ、30.3\% と 30.3\% です。
さらに、LS-MCPP は、最適な樹木被覆計算の結果と常に同等またはそれを上回っており、桁違いに高速な実行時間でこれらの結果を達成するため、大規模な現実世界の被覆タスクに対してその大きな利点が実証されています。

要約(オリジナル)

We study graph-based Multi-Robot Coverage Path Planning (MCPP) that aims to compute coverage paths for multiple robots to cover all vertices of a given 2D grid terrain graph $G$. Existing graph-based MCPP algorithms first compute a tree cover on $G$ — a forest of multiple trees that cover all vertices — and then employ the Spanning Tree Coverage (STC) paradigm to generate coverage paths on the decomposed graph $D$ of the terrain graph $G$ by circumnavigating the edges of the computed trees, aiming to optimize the makespan (i.e., the maximum coverage path cost among all robots). In this paper, we take a different approach by exploring how to systematically search for good coverage paths directly on $D$. We introduce a new algorithmic framework, called LS-MCPP, which leverages a local search to operate directly on $D$. We propose a novel standalone paradigm, Extended-STC (ESTC), that extends STC to achieve complete coverage for MCPP on any decomposed graphs, even those resulting from incomplete terrain graphs. Furthermore, we demonstrate how to integrate ESTC with three novel types of neighborhood operators into our framework to effectively guide its search process. Our extensive experiments demonstrate the effectiveness of LS-MCPP, consistently improving the initial solution returned by two state-of-the-art baseline algorithms that compute suboptimal tree covers on $G$, with a notable reduction in makespan by up to 35.7\% and 30.3\%, respectively. Moreover, LS-MCPP consistently matches or surpasses the results of optimal tree cover computation, achieving these outcomes with orders of magnitude faster runtime, thereby showcasing its significant benefits for large-scale real-world coverage tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google