A Time-dependent Risk-aware distributed Multi-Agent Path Finder based on A*

要約

Multi-Agent Path-Finding（MAPF）は、衝突のないナビゲーションを目指して、共有スペース内の複数のエージェントのパスの共同計画に焦点を当てています。
従来の計画方法は、しばしば他のエージェントの存在を見落としているため、対立をもたらす可能性があります。
これに応じて、この記事では、A $^*_+$ Tアルゴリズムを紹介します。これは、エージェントの移動速度に基づいて位置を予測することでエージェント間の調整を改善する分散アプローチです。
このアルゴリズムは、観測された速度と軌跡に関する潜在的な衝突を評価し、それによって他のエージェントや移動オブジェクトが住む環境での衝突のない経路計画を促進する動的な障害を考慮します。
動的エンティティと静的エンティティの両方を取り巻くリスク層を組み込み、実際のアプリケーションでの有用性を高めます。
各エージェントは、他の人が選択したパスに留意しながら、自律的に機能し、マルチエージェントの状況に固有の複雑さに効果的に対処します。
$^*_+$ Tのパフォーマンスは、Gazeboシミュレーション環境で厳密にテストされており、CBS、ECB、SIPPなどの確立されたアプローチに対してベンチマークされています。
さらに、このアルゴリズムは単一エージェントの実験の能力を示しており、結果は動的障害を管理し、さまざまなシナリオにわたって実際的な関連性を確認する際の有効性を示しています。

要約(オリジナル)

Multi-Agent Path-Finding (MAPF) focuses on the collaborative planning of paths for multiple agents within shared spaces, aiming for collision-free navigation. Conventional planning methods often overlook the presence of other agents, which can result in conflicts. In response, this article introduces the A$^*_+$T algorithm, a distributed approach that improves coordination among agents by anticipating their positions based on their movement speeds. The algorithm also considers dynamic obstacles, assessing potential collisions with respect to observed speeds and trajectories, thereby facilitating collision-free path planning in environments populated by other agents and moving objects. It incorporates a risk layer surrounding both dynamic and static entities, enhancing its utility in real-world applications. Each agent functions autonomously while being mindful of the paths chosen by others, effectively addressing the complexities inherent in multi-agent situations. The performance of A$^*_+$T has been rigorously tested in the Gazebo simulation environment and benchmarked against established approaches such as CBS, ECBS, and SIPP. Furthermore, the algorithm has shown competence in single-agent experiments, with results demonstrating its effectiveness in managing dynamic obstacles and affirming its practical relevance across various scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google