Distributed Optimization Methods for Multi-Robot Systems: Part II — A Survey

要約

分散最適化の分野は十分に発達していますが、マルチロボット問題への分散最適化の適用に焦点を当てた関連文献は限られています。
この調査は、複数ロボットの問題に適用される分散最適化に関する 2 部構成のシリーズの 2 番目の部分を構成します。
このペーパーでは、調整を必要としない完全分散手法に焦点を当てて、分散最適化アルゴリズムの 3 つの主要なクラス (分散一次法、分散逐次凸計画法、および乗算器交互方向法 (ADMM) 法) を調査します。
または中央コンピューターによる計算。
各カテゴリの基本的な構造を説明し、関連する欠点に対処するために設計された、この構造に関する重要なバリエーションに注目します。
さらに、分散最適化アルゴリズムによって行われる注目すべき仮定の実際的な意味を提供し、これらのアルゴリズムに適したロボット工学の問題のクラスに注目します。
さらに、分散最適化、特にロボット工学の問題における重要な未解決の研究課題を特定します。

要約(オリジナル)

Although the field of distributed optimization is well-developed, relevant literature focused on the application of distributed optimization to multi-robot problems is limited. This survey constitutes the second part of a two-part series on distributed optimization applied to multi-robot problems. In this paper, we survey three main classes of distributed optimization algorithms — distributed first-order methods, distributed sequential convex programming methods, and alternating direction method of multipliers (ADMM) methods — focusing on fully-distributed methods that do not require coordination or computation by a central computer. We describe the fundamental structure of each category and note important variations around this structure, designed to address its associated drawbacks. Further, we provide practical implications of noteworthy assumptions made by distributed optimization algorithms, noting the classes of robotics problems suitable for these algorithms. Moreover, we identify important open research challenges in distributed optimization, specifically for robotics problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google