Stratified Topological Autonomy for Long-Range Coordination (STALC)

要約

複雑な環境で統一されたマルチロボット調整とモーション計画を達成することは、困難な問題です。
この論文では、長距離調整に対する階層的なアプローチを提示します。これは、長距離調整（STALC）のための層別トポロジー自律性と呼ばれます。
特に、オブザーバーへの可視性を最小限に抑え、危険な環境をナビゲートするマルチロボットチームで安全性を最大化する問題を検討します。
そのアプローチは、そのアプローチが動的なトポロジグラフの概念に依存しています。このグラフの重みは、グラフ内のロボットの位置に基づいて動的に変化します。
この動的なトポロジグラフを作成するために、ロボットチームの個別のオブザーバーの位置（敵対的で友好的な両方のセット）からの可視性を評価し、エッジの重みが敵の位置とロボットチームの構成の両方に依存するトポロジグラフを作成します。
次に、ロボットチームの状態に基づいてこれらのエッジウェイトの進化に時間的制約を課し、混合整数プログラミング（MIP）を使用して、グラフを通じて最適なマルチロボット計画を生成します。
視認性情報は、ロボットのチームの環境を最小限に抑える可視性パスを最小限に抑えるために、自律スタックの下層にも通知します。
私たちのアプローチは、共通の目標を達成するためにチーム全体で対話および調整するロボットのチームの計算の複雑さを減らす方法を提示します。
森林環境と都市環境でのシミュレートされたハードウェア実験でのアプローチを実証します。

要約(オリジナル)

Achieving unified multi-robot coordination and motion planning in complex environments is a challenging problem. In this paper, we present a hierarchical approach to long-range coordination, which we call Stratified Topological Autonomy for Long-Range Coordination (STALC). In particular, we look at the problem of minimizing visibility to observers and maximizing safety with a multi-robot team navigating through a hazardous environment. At its core, our approach relies on the notion of a dynamic topological graph, where the edge weights vary dynamically based on the locations of the robots in the graph. To create this dynamic topological graph, we evaluate the visibility of the robot team from a discrete set of observer locations (both adversarial and friendly), and construct a topological graph whose edge weights depend on both adversary position and robot team configuration. We then impose temporal constraints on the evolution of those edge weights based on robot team state and use Mixed-Integer Programming (MIP) to generate optimal multirobot plans through the graph. The visibility information also informs the lower layers of the autonomy stack to plan minimal visibility paths through the environment for the team of robots. Our approach presents methods to reduce the computational complexity for a team of robots that interact and coordinate across the team to accomplish a common goal. We demonstrate our approach in simulated and hardware experiments in forested and urban environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google