Real-Time LaCAM

要約

完全性保証を備えたマルチエージェントパス検出（MAPF）メソッドの大部分には、完全な地平線パスを計画する必要があります。
ただし、完全な地平線パスの計画には時間がかかりすぎて、実際のアプリケーションでは実用的ではありません。
代わりに、プランナーが実行して再生する前に有限の時間を確保できるリアルタイムの計画と実行は、現実世界のマルチエージェントシステムでより実用的です。
いくつかの方法は、リアルタイムの計画スキームを利用していますが、リベロックやデッドロックにつながると証明されたものはありません。
私たちの主な貢献は、証明可能な完全性保証を備えた最初のリアルタイムMAPFメソッドを示すことです。
これは、ラカム（オクムラ2023）を漸進的に活用することで行います。
私たちの結果は、完全なHorizo​​n Lacamと同じ成功率を維持しながら、ミリ秒のカットオフ時間で混雑した環境を繰り返し計画できる方法を示しています。
また、単一ステップの学習MAPFポリシーでそれをどのように使用できるかを示します。
提案されたリアルタイムラカムは、将来のリアルタイムMAPFアルゴリズムで完全性のために反復制約を使用するための一般的なメカニズムを提供します。

要約(オリジナル)

The vast majority of Multi-Agent Path Finding (MAPF) methods with completeness guarantees require planning full horizon paths. However, planning full horizon paths can take too long and be impractical in real-world applications. Instead, real-time planning and execution, which only allows the planner a finite amount of time before executing and replanning, is more practical for real world multi-agent systems. Several methods utilize real-time planning schemes but none are provably complete, which leads to livelock or deadlock. Our main contribution is to show the first Real-Time MAPF method with provable completeness guarantees. We do this by leveraging LaCAM (Okumura 2023) in an incremental fashion. Our results show how we can iteratively plan for congested environments with a cutoff time of milliseconds while still maintaining the same success rate as full horizon LaCAM. We also show how it can be used with a single-step learned MAPF policy. The proposed Real-Time LaCAM also provides us with a general mechanism for using iterative constraints for completeness in future real-time MAPF algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google