Scalable Multi-Robot Motion Planning Using Guidance-Informed Hypergraphs

要約

この研究では、問題に関するガイダンスを活用して計画空間を効率的に探索するマルチロボット計画フレームワークを紹介します。
このガイダンスは、ロボット間の調整が必要なタイミングを捉え、計画中に関連するロボット グループを一緒に構成することで、ロボット間の衝突のリスクを制限しながら、手に負えないほど大規模な複数ロボットの探索空間を分解することを可能にします。
私たちのフレームワークはさらに、競合解決構造を通じて運動力学的制約を伴う計画をサポートします。
この構造により、モーション ソリューションの構築中に不必要な作業が排除されるため、アプローチのスケーラビリティも向上します。
また、トポロジカル ガイダンスを使用した、混雑した環境での複数の移動ロボットの動作計画へのこのフレームワークのアプリケーションも提供します。
私たちのこれまでの研究では、ロボット グループ全体の高度な調整が必要なこのようなマルチロボット設定において、ロボットの環境に関する情報を利用するトポロジカル ガイダンスの使用を検討してきました。
実際のシナリオでは、この高レベルの調整は必ずしも必要ではなく、過度の計算オーバーヘッドが発生します。
ここでは、新しいフレームワークを活用してスケーラビリティの大幅な向上を達成し、通路が狭い混雑した環境で、既存の最先端の方法よりも最大で 1 桁広いロボット チームの経路を効率的に見つけることができることを示します。
環境。

要約(オリジナル)

In this work, we present a multi-robot planning framework that leverages guidance about the problem to efficiently search the planning space. This guidance captures when coordination between robots is necessary, allowing us to decompose the intractably large multi-robot search space while limiting risk of inter-robot conflicts by composing relevant robot groups together while planning. Our framework additionally supports planning with kinodynamic constraints through our conflict resolution structure. This structure also improves the scalability of our approach by eliminating unnecessary work during the construction of motion solutions. We also provide an application of this framework to multiple mobile robot motion planning in congested environments using topological guidance. Our previous work has explored using topological guidance, which utilizes information about the robots’ environment, in these multi-robot settings where a high degree of coordination is required of the full robot group. In real-world scenarios, this high level of coordination is not always necessary and results in excessive computational overhead. Here, we leverage our novel framework to achieve a significant improvement in scalability and show that our method efficiently finds paths for robot teams up to an order of magnitude larger than existing state-of-the-art methods in congested settings with narrow passages in the environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google