Minimum-Violation Temporal Logic Planning for Heterogeneous Robots under Robot Skill Failures

要約

このホワイトペーパーでは、線形時間論的論理（LTL）フォーミュラによって記述された共同ミッションを担当する不均一なスキル（センシングや操作など）を備えたロボットのチームを検討します。
これらのLTLエンコードされたタスクでは、ロボットが時間的および論理的な順序で特定の地域とオブジェクトにスキルを適用する必要があります。
既存の時間論的計画アルゴリズムは、構成ごとの計画を合成することができますが、通常、ミッションパフォーマンスを損なう可能性のあるロボットスキルの予期しない障害に対する反応性が不足しています。
このペーパーでは、展開中に予期しない障害に適応するリアクティブLTL計画アルゴリズムを提案することにより、この課題に対処します。
具体的には、提案されたアルゴリズムは、機能スキルに基づいてサブタスクをロボットに再割り当てし、これらの新しい課題に対応し、ミッションの完了を確保するためにチームプランを局所的に修正します。
提案されたアルゴリズムの主な斬新さは、機能するロボットが限られているためにミッションの完了が不可能になるケースを処理する能力です。
ミッションの失敗を報告する代わりに、アルゴリズムは最も重要なサブタスクを戦略的に優先し、ユーザーが指定した優先事項に従って、ミッション違反を最小限に抑えるために、チームの計画を局所的に修正します。
提案されたフレームワークが最小限の侵害タスクの再割り当てとチームプランを計算する理論的条件を提供します。
提案された方法の効率を実証するために、数値およびハードウェアの実験を提供します。

要約(オリジナル)

In this paper, we consider teams of robots with heterogeneous skills (e.g., sensing and manipulation) tasked with collaborative missions described by Linear Temporal Logic (LTL) formulas. These LTL-encoded tasks require robots to apply their skills to specific regions and objects in a temporal and logical order. While existing temporal logic planning algorithms can synthesize correct-by-construction plans, they typically lack reactivity to unexpected failures of robot skills, which can compromise mission performance. This paper addresses this challenge by proposing a reactive LTL planning algorithm that adapts to unexpected failures during deployment. Specifically, the proposed algorithm reassigns sub-tasks to robots based on their functioning skills and locally revises team plans to accommodate these new assignments and ensure mission completion. The main novelty of the proposed algorithm is its ability to handle cases where mission completion becomes impossible due to limited functioning robots. Instead of reporting mission failure, the algorithm strategically prioritizes the most crucial sub-tasks and locally revises the team’s plans, as per user-specified priorities, to minimize mission violations. We provide theoretical conditions under which the proposed framework computes the minimum-violation task reassignments and team plans. We provide numerical and hardware experiments to demonstrate the efficiency of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google