要約
タスク実行の質は、マルチロボットミッションに大きな影響を与える可能性がある。より高い品質が望ましいが、ミッションの制約上、必ずしも実現可能とは限らない。既存のマルチロボットのタスク割り当てに関する文献は、一般的に決定変数としてのサービス品質を見落としている。このギャップに対処するため、我々は、時間に制約のある、マルチロボット、多目的ミッションのために設計された、マルチロボット、多目的、マルチモードルーティングとスケジューリング（M^3RS）問題を導入する。M^3RSでは、各タスクはそれぞれ異なるリソース要求、実行時間、品質を持つ複数の実行モードを提供する。M^3RSは各エージェントのタスクシーケンスと実行モードを最適化します。M^3RSの必要性は、タスク実行モードを通してタスクレベルのサービス品質を変化させることで、複数の基準間のトレードオフを達成することができるマルチロボットアプリケーションから来ています。このような能力は特にサービスロボットアプリケーションに有用である。我々はM^3RSを医療環境やその他の公共の場所におけるマルチロボット消毒のアプリケーションに使用する。消毒アプリケーションの目的は、消毒品質とタスク完了数である。M^3RSに対して混合整数線形計画法(MIP)モデルを提案する。さらに、より大きな問題インスタンスを扱うために、クラスタリングに基づく列生成(CCG)アルゴリズムを提案する。合成、シミュレーション、およびハードウェアのケーススタディを通して、M^3RSの利点を実証し、それが複数のメトリクスに渡って柔軟性と強力な性能を提供することを示す。我々のCCGアルゴリズムは、ベースラインのMIPオプティマイザよりも2.5倍速く解を生成し、競争力のある性能を維持する。実験のビデオはプロジェクトのウェブサイトhttps://sites.google.com/view/g-robot/m3rs/。
要約(オリジナル)
The quality of task execution can significantly impact a multi-robot mission. While higher quality is desirable, it may not always be feasible due to mission constraints. Existing multi-robot task allocation literature generally overlooks quality of service as a decision variable. Addressing this gap, we introduce the multi-robot, multi-objective, and multi-mode routing and scheduling (M^3RS) problem, designed for time-bound, multi-robot, multi-objective missions. In M^3RS, each task offers multiple execution modes, each with different resource requirements, execution time, and quality. M^3RS optimizes task sequences and execution modes for each agent. The need for M^3RS comes from multi-robot applications in which a trade-off between multiple criteria can be achieved by varying the task level quality of service through task execution modes. Such ability is particularly useful for service robot applications. We use M^3RS for the application of multi-robot disinfection in healthcare environments and other public locations. The objectives considered for disinfection application are disinfection quality and number of tasks completed. A mixed-integer linear programming (MIP) model is proposed for M^3RS. Further, a clustering-based column generation (CCG) algorithm is proposed to handle larger problem instances. Through synthetic, simulated, and hardware case studies, we demonstrate the advantages of M^3RS, showing it provides flexibility and strong performance across multiple metrics. Our CCG algorithm generates solutions 2.5x faster than a baseline MIP optimizer, maintaining competitive performance. The videos for the experiments are available on the project website: https://sites.google.com/view/g-robot/m3rs/
arxiv情報
| 著者 | Ishaan Mehta,Junseo Kim,Sharareh Taghipour,Sajad Saeedi |
| 発行日 | 2024-10-31 19:45:39+00:00 |
| arxivサイト | arxiv_id(pdf) |