Minimum-Violation Temporal Logic Planning for Heterogeneous Robots under Robot Skill Failures

要約

この論文では、線形時相論理 (LTL) の公式で記述される共同ミッションを課せられた、異種のスキル (センシングや操作など) を備えたロボットのチームについて考察します。
これらの LTL エンコードされたタスクでは、ロボットがスキルを時間的および論理的な順序で特定の領域およびオブジェクトに適用する必要があります。
既存の時相論理計画アルゴリズムは、Correct-by-Construction パスを合成できますが、通常、ロボット スキルの予期せぬ失敗に対する反応性が欠けており、ミッションのパフォーマンスを損なう可能性があります。
このペーパーでは、展開中の予期せぬ障害に適応するリアクティブな LTL 計画アルゴリズムを提案することで、この課題に対処します。
具体的には、提案されたアルゴリズムは、ロボットの機能スキルに基づいてサブタスクをロボットに再割り当てし、これらの新しい割り当てに対応してミッションを確実に完了するようにチーム計画を局所的に修正します。
提案されたアルゴリズムの主な新しさは、ロボットの機能が制限されているためにミッションの完了が不可能になった場合に対処できることです。
ミッションの失敗を報告する代わりに、アルゴリズムは最も重要なサブタスクに戦略的に優先順位を付け、ユーザーが指定した優先順位に従ってチームの計画を局所的に修正して、ミッション違反を最小限に抑えます。
提案されたフレームワークが最小限の違反タスクの再割り当てとチーム計画を計算するための理論的条件を提供します。
提案された方法の効率を実証するために、数値実験とハードウェア実験を提供します。

要約(オリジナル)

In this paper, we consider teams of robots with heterogeneous skills (e.g., sensing and manipulation) tasked with collaborative missions described by Linear Temporal Logic (LTL) formulas. These LTL-encoded tasks require robots to apply their skills to specific regions and objects in a temporal and logical order. While existing temporal logic planning algorithms can synthesize correct-by-construction paths, they typically lack reactivity to unexpected failures of robot skills, which can compromise mission performance. This paper addresses this challenge by proposing a reactive LTL planning algorithm that adapts to unexpected failures during deployment. Specifically, the proposed algorithm reassigns sub-tasks to robots based on their functioning skills and locally revises team plans to accommodate these new assignments and ensure mission completion. The main novelty of the proposed algorithm is its ability to handle cases where mission completion becomes impossible due to limited functioning robots. Instead of reporting mission failure, the algorithm strategically prioritizes the most crucial sub-tasks and locally revises the team’s plans, as per user-specified priorities, to minimize mission violations. We provide theoretical conditions under which the proposed framework computes the minimum violation task reassignments and team plans. We provide numerical and hardware experiments to demonstrate the efficiency of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google