Multi-Agent Motion Planning For Differential Drive Robots Through Stationary State Search

要約

Multi-Agent Motion Planning (MAMP) は、交通管理、空港運営、倉庫自動化などの分野でさまざまな用途に使用されています。
これらの環境の多くでは、差動駆動ロボットが一般的に使用されています。
これらのロボットには、速度と加速度の制限に従って、現在の方向に沿ったその場での回転と移動のみを許可する運動力学モデルがあります。
ただし、既存のマルチエージェント パス検索 (MAPF) ベースの手法では、ロボットの運動力学の単純化されたモデルが使用されることが多く、その実用性と現実性が制限されています。
このペーパーでは、これらの課題に対処するために、MASS と呼ばれる 3 レベルのフレームワークを紹介します。
MASS は、MAPF ベースの手法と私たちが提案する静止状態探索プランナーを組み合わせて、運動力学的に実現可能な高品質の計画を生成します。
私たちは適応ウィンドウ メカニズムを使用して MASS をさらに拡張し、生涯続く MAMP 問題に対処します。
経験的に、私たちはシングルショット グリッド マップ ドメインと生涯にわたるウェアハウス ドメインでメソッドをテストしました。
私たちの方法は、既存の方法と比較してスループットの点で最大 400% の向上を示しています。

要約(オリジナル)

Multi-Agent Motion Planning (MAMP) finds various applications in fields such as traffic management, airport operations, and warehouse automation. In many of these environments, differential drive robots are commonly used. These robots have a kinodynamic model that allows only in-place rotation and movement along their current orientation, subject to speed and acceleration limits. However, existing Multi-Agent Path Finding (MAPF)-based methods often use simplified models for robot kinodynamics, which limits their practicality and realism. In this paper, we introduce a three-level framework called MASS to address these challenges. MASS combines MAPF-based methods with our proposed stationary state search planner to generate high-quality kinodynamically-feasible plans. We further extend MASS using an adaptive window mechanism to address the lifelong MAMP problem. Empirically, we tested our methods on the single-shot grid map domain and the lifelong warehouse domain. Our method shows up to 400% improvements in terms of throughput compared to existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google