Implicit Coordination using Active Epistemic Inference

要約

マルチロボット システム (MRS) は、環境モニタリング、水中検査、宇宙ミッションなどの複雑なタスクに大きな利点をもたらします。
しかし、これらの分野における潜在的な通信障害や通信インフラストラクチャの不足に対処することは依然として課題です。
MRS 研究のかなりの部分では、システムが近接性の制約を受けながらも通信を維持できると想定されていますが、このアプローチでは、通信が存在しない、信頼性が低い、またはセキュリティ リスクを引き起こす状況は解決されません。
一部のアプローチでは、通信を行わずに他のロボットに関する予測を使用してこの問題に取り組みますが、これらの方法では通常、エージェントは純粋に自分自身の観察に基づいた推論を含む一次推論を利用することしかできません。
対照的に、この問題に対処するために、私たちが提案するフレームワークは心の理論 (ToM) を利用し、ロボットの視点をシフトして他者の観察の信念について推論することで高次の推論を採用します。
私たちのアプローチには 2 つの主なフェーズがあります。i) 能動的推論を使用して、ロボット自身の信念とシステム内の他の人の信念についての意図と推論を伝えるための効率的な実行時計画の適応、および ii) 現在のロボット自身の信念と他のロボットの信念についての推論を反復的に推論するための階層的認識論的計画フレームワーク
MRS ミッション ステート。
提案されたフレームワークは、貪欲な一次推論アプローチよりも優れたパフォーマンスを発揮し、異種ロボット システムを使用したシミュレーションと実験を使用して検証されています。

要約(オリジナル)

A Multi-robot system (MRS) provides significant advantages for intricate tasks such as environmental monitoring, underwater inspections, and space missions. However, addressing potential communication failures or the lack of communication infrastructure in these fields remains a challenge. A significant portion of MRS research presumes that the system can maintain communication with proximity constraints, but this approach does not solve situations where communication is either non-existent, unreliable, or poses a security risk. Some approaches tackle this issue using predictions about other robots while not communicating, but these methods generally only permit agents to utilize first-order reasoning, which involves reasoning based purely on their own observations. In contrast, to deal with this problem, our proposed framework utilizes Theory of Mind (ToM), employing higher-order reasoning by shifting a robot’s perspective to reason about a belief of others observations. Our approach has two main phases: i) an efficient runtime plan adaptation using active inference to signal intentions and reason about a robot’s own belief and the beliefs of others in the system, and ii) a hierarchical epistemic planning framework to iteratively reason about the current MRS mission state. The proposed framework outperforms greedy and first-order reasoning approaches and is validated using simulations and experiments with heterogeneous robotic systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google