Unconstraining Multi-Robot Manipulation: Enabling Arbitrary Constraints in ECBS with Bounded Sub-Optimality

要約

マルチロボットアーム動作計画 (M-RAMP) は、複雑な単一エージェントの計画と複数エージェントの調整を特徴とする難しい問題です。
人気の競合ベース検索 (CBS) アルゴリズムの拡張における最近の進歩により、マルチエージェント パス検索 (MAPF) 問題の解決は大きく前進しました。
ただし、CBS を M-RAMP に適用するには、根本的な課題が残っています。
中心的な課題は、CBS フレームワークが保守的な「完全な」制約に依存していることです。
これらの制約により、ソリューションは確実に保証されますが、多くの場合、検索スペースの枝刈りが遅くなり、コストのかかる単一エージェントの計画コールが繰り返し発生することになります。
したがって、ドメインの知識を活用して不完全な M-RAMP 固有の CBS 制約を設計して検索をより効率的にプルーニングすることは可能ですが、これらの制約を使用するとアルゴリズム自体が不完全になってしまいます。
このため、実践者は効率と完全性のどちらかを選択する必要があります。
これらの課題を考慮して、MAPF アルゴリズムにおける完全性と効率性の間の選択の負担を取り除くことを目的とした、新しいアルゴリズムである一般化 ECBS を提案します。
私たちのアプローチでは、完全性と境界準最適性を維持しながら、競合ベースのアルゴリズムで任意の制約を使用できます。
これにより、実務者は任意の制約の利点を活用できるようになり、MAPF でこれまで検討されていなかった制約設計のための新しい領域が開かれます。
私たちはアルゴリズムの理論的分析を提供し、新しい「不完全な」制約を提案し、M-RAMP での実験を通じてその有効性を実証します。

要約(オリジナル)

Multi-Robot-Arm Motion Planning (M-RAMP) is a challenging problem featuring complex single-agent planning and multi-agent coordination. Recent advancements in extending the popular Conflict-Based Search (CBS) algorithm have made large strides in solving Multi-Agent Path Finding (MAPF) problems. However, fundamental challenges remain in applying CBS to M-RAMP. A core challenge is the existing reliance of the CBS framework on conservative ‘complete’ constraints. These constraints ensure solution guarantees but often result in slow pruning of the search space — causing repeated expensive single-agent planning calls. Therefore, even though it is possible to leverage domain knowledge and design incomplete M-RAMP-specific CBS constraints to more efficiently prune the search, using these constraints would render the algorithm itself incomplete. This forces practitioners to choose between efficiency and completeness. In light of these challenges, we propose a novel algorithm, Generalized ECBS, aimed at removing the burden of choice between completeness and efficiency in MAPF algorithms. Our approach enables the use of arbitrary constraints in conflict-based algorithms while preserving completeness and bounding sub-optimality. This enables practitioners to capitalize on the benefits of arbitrary constraints and opens a new space for constraint design in MAPF that has not been explored. We provide a theoretical analysis of our algorithms, propose new ‘incomplete’ constraints, and demonstrate their effectiveness through experiments in M-RAMP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google