Multi-Robot Task Allocation for Homogeneous Tasks with Collision Avoidance via Spatial Clustering

要約

この論文では、産業環境で行われている均質な測定タスクに関するマルチロボットタスク割り当て（MRTA）と衝突回避に基づいた結合ソリューションを実現する新しいフレームワークを提示します。
私たちが提案する空間クラスタリングは、タスク割り当ての問題を同時に解決し、各ロボットの識別可能な運用ゾーンにワークスペースをカットすることにより、衝突リスクに対処することを提案します。
タスクサイトを分割し、対応するクラスター内のロボットルートをスケジュールするには、K-Meansクラスタリングと2-OPTアルゴリズムを使用します。
提示されたフレームワークは満足のいくパフォーマンスを示しています。このパフォーマンスでは、最大93％の時間削減（17.62Sに対して1.24S）で、最適なパフォーマンス方法と比較して最大7 \％のソリューション品質改善が示されています。
また、私たちの方法は、最も重要な意味で比較方法に持続する衝突点を完全に排除します。
理論分析は、空間的な分割は、まばらな地理的領域に分配される多くの同一のタスクの条件下で、明らかにばらばらのタスクの割り当てと衝突回避の問題を統一するという主張に同意します。
最終的に、この作業の調査結果は、衝突のない計算効率と操作の両方が最も重要である現実世界のアプリケーションにとって非常に重要です。

要約(オリジナル)

In this paper, a novel framework is presented that achieves a combined solution based on Multi-Robot Task Allocation (MRTA) and collision avoidance with respect to homogeneous measurement tasks taking place in industrial environments. The spatial clustering we propose offers to simultaneously solve the task allocation problem and deal with collision risks by cutting the workspace into distinguishable operational zones for each robot. To divide task sites and to schedule robot routes within corresponding clusters, we use K-means clustering and the 2-Opt algorithm. The presented framework shows satisfactory performance, where up to 93\% time reduction (1.24s against 17.62s) with a solution quality improvement of up to 7\% compared to the best performing method is demonstrated. Our method also completely eliminates collision points that persist in comparative methods in a most significant sense. Theoretical analysis agrees with the claim that spatial partitioning unifies the apparently disjoint tasks allocation and collision avoidance problems under conditions of many identical tasks to be distributed over sparse geographical areas. Ultimately, the findings in this work are of substantial importance for real world applications where both computational efficiency and operation free from collisions is of paramount importance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google