Multi-Robot Coordination and Cooperation with Task Precedence Relationships

要約

我々は、(a) タスク間の優先関係。
(b) タスクの調整により、複数のロボットが効率の向上を達成できるようになります。
(c) 個々のロボットだけでは実行できないタスクについては、ロボット連合の形成による協力。
私たちの定式化では、タスクとタスク間の関係はタスク グラフによって指定されます。
タスク グラフのノードとエッジに対して一連の報酬関数を定義します。
これらの関数は、タスクのパフォーマンスに対するロボットの連合サイズの影響をモデル化し、1 つのタスクのパフォーマンスが依存するタスクに与える影響を組み込みます。
この問題を最適に解決することは NP では困難です。
ただし、タスク グラフの定式化を使用すると、最小コストのネットワーク フロー アプローチを活用して、近似解を効率的に取得できます。
さらに、問題の小さなインスタンスに対して最適な解決策を提供しますが、計算コストが高くつく、混合整数計画法アプローチを検討します。
また、ベースラインとして貪欲なヒューリスティック アルゴリズムも開発します。
当社のモデリングとソリューションのアプローチにより、タスクの優先順位関係とロボットの調整と協力を活用したタスク プランが作成され、多数のエージェントを伴う大規模なミッションでも高いミッション パフォーマンスを達成できます。

要約(オリジナル)

We propose a new formulation for the multi-robot task planning and allocation problem that incorporates (a) precedence relationships between tasks; (b) coordination for tasks allowing multiple robots to achieve increased efficiency; and (c) cooperation through the formation of robot coalitions for tasks that cannot be performed by individual robots alone. In our formulation, the tasks and the relationships between the tasks are specified by a task graph. We define a set of reward functions over the task graph’s nodes and edges. These functions model the effect of robot coalition size on the task performance, and incorporate the influence of one task’s performance on a dependent task. Solving this problem optimally is NP-hard. However, using the task graph formulation allows us to leverage min-cost network flow approaches to obtain approximate solutions efficiently. Additionally, we explore a mixed integer programming approach, which gives optimal solutions for small instances of the problem but is computationally expensive. We also develop a greedy heuristic algorithm as a baseline. Our modeling and solution approaches result in task plans that leverage task precedence relationships and robot coordination and cooperation to achieve high mission performance, even in large missions with many agents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google