Towards computing low-makespan solutions for multi-arm multi-task planning problems

要約

ロボットが相互にタスクを同時に完了することを妨げる環境において、マルチロボットのマルチタスク計画の問題に対する低メイクスパンの解決策を見つけるアプローチを提案します。
タスク割り当てとタスク シーケンスの生成のためのランダムな再起動を伴う貪欲降下に基づくアプローチを可能にする問題の定式化を導入します。
次に、マルチエージェント パス プランナーを使用して、特定の割り当てとシーケンスのメイクスパンを評価します。
プランナーは問題を、単一のロボットと単一のタスクのみを含む複数の単純なサブ問題に分解するため、迅速に解決して固定タスク シーケンスのソリューションを生成できます。
次に、部分問題の解決策を組み合わせて、元の問題に対する有効な解決策を形成します。
最大 4 つのロボット アームを使用したロボット点描とロボット ビン ピッキングのアプローチを紹介します。
私たちのアルゴリズムによって発見されたソリューションのメイクスパンは、貪欲なアプローチと比較して最大 30% 低くなります。

要約(オリジナル)

We propose an approach to find low-makespan solutions to multi-robot multi-task planning problems in environments where robots block each other from completing tasks simultaneously. We introduce a formulation of the problem that allows for an approach based on greedy descent with random restarts for generation of the task assignment and task sequence. We then use a multi-agent path planner to evaluate the makespan of a given assignment and sequence. The planner decomposes the problem into multiple simple subproblems that only contain a single robots and a single task, and can thus be solved quickly to produce a solution for a fixed task sequence. The solutions to the subproblems are then combined to form a valid solution to the original problem. We showcase the approach on robotic stippling and robotic bin picking with up to 4 robot arms. The makespan of the solutions found by our algorithm are up to 30% lower compared to a greedy approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google