Multi-Agent Path Planning in Complex Environments using Gaussian Belief Propagation with Global Path Finding

要約

マルチエージェントパス計画は、ロボット工学における重要な課題であり、エージェントが衝突を避け、旅行効率を最適化しながら複雑な環境をナビゲートする必要があります。
この作業は、ガウスの信念の伝播とパス統合を組み合わせて、新しい追跡要因を導入してグローバルなパスへの厳密な順守を確保することにより、既存のアプローチの制限に対処します。
提案された方法は、2つの異なるグローバルパス計画アプローチでテストされます。ランダムツリーと、定義されたレーン構造を活用して調整を改善する構造化されたプランナーを迅速に探索します。
シミュレーション環境は、さまざまなシナリオ全体で提案された方法を検証するために開発され、それぞれがナビゲーションと通信における独自の課題を提起しました。
シミュレーション結果は、追跡因子がパス偏差を単一エージェントで28％、マルチエージェントシナリオで16％減らすことを示しており、特に構造化されたグローバル計画と組み合わされた場合、マルチエージェント調整の改善における有効性を強調しています。

要約(オリジナル)

Multi-agent path planning is a critical challenge in robotics, requiring agents to navigate complex environments while avoiding collisions and optimizing travel efficiency. This work addresses the limitations of existing approaches by combining Gaussian belief propagation with path integration and introducing a novel tracking factor to ensure strict adherence to global paths. The proposed method is tested with two different global path-planning approaches: rapidly exploring random trees and a structured planner, which leverages predefined lane structures to improve coordination. A simulation environment was developed to validate the proposed method across diverse scenarios, each posing unique challenges in navigation and communication. Simulation results demonstrate that the tracking factor reduces path deviation by 28% in single-agent and 16% in multi-agent scenarios, highlighting its effectiveness in improving multi-agent coordination, especially when combined with structured global planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google