Uncertainty-Aware Planning for Heterogeneous Robot Teams using Dynamic Topological Graphs and Mixed-Integer Programming

要約

ロボットの数に応じて信念空間が指数関数的に増加するため、不確実な環境における複数のロボットの計画と調整は基本的な計算上の課題です。
この論文では、情報収集用の高速偵察車両と、偵察車両が展開されるよりリスク回避的な搬送ロボットからなる異種ロボット チームを使用して、不確実な環境での計画の問題に取り組みます。
計算上の課題を克服するために、トポロジカル グラフを使用して環境と運用シナリオを表現します。エッジの重み分布のパラメーターは、グラフ上のロボット チームの状態に応じて変化します。また、計算効率の高い混合整数プログラムを定式化します。
決定空間からのロボットの数への依存。
私たちの定式化により、他の方法では計算が困難な、最適なマルチロボットの長期計画を数秒で生成できるようになります。
最終的に、私たちのアプローチは、計算時間が 1 ステップの実行時間よりも大幅に速いため、リアルタイムの再計画を可能にします。
ロボット チームにとって不確実な位置での観察者による検出を最小限に抑えながら、ロボット チームが環境を移動する必要があるシナリオでアプローチを評価します。
私たちは、私たちのアプローチが計算上扱いやすく、不完全な情報が存在する場合でもパフォーマンスを向上させることができ、さまざまなリスクプロファイルに合わせて調整できることを実証します。

要約(オリジナル)

Multi-robot planning and coordination in uncertain environments is a fundamental computational challenge, since the belief space increases exponentially with the number of robots. In this paper, we address the problem of planning in uncertain environments with a heterogeneous robot team of fast scout vehicles for information gathering and more risk-averse carrier robots from which the scouts vehicles are deployed. To overcome the computational challenges, we represent the environment and operational scenario using a topological graph, where the parameters of the edge weight distributions vary with the state of the robot team on the graph, and we formulate a computationally efficient mixed-integer program which removes the dependence on the number of robots from its decision space. Our formulation results in the capability to generate optimal multi-robot, long-horizon plans in seconds that could otherwise be computationally intractable. Ultimately our approach enables real-time re-planning, since the computation time is significantly faster than the time to execute one step. We evaluate our approach in a scenario where the robot team must traverse an environment while minimizing detection by observers in positions that are uncertain to the robot team. We demonstrate that our approach is computationally tractable, can improve performance in the presence of imperfect information, and can be adjusted for different risk profiles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google