Efficient Heuristics for Multi-Robot Path Planning in Crowded Environments

要約

Optimal Multi-Robot Path Planning (MRPP) は、倉庫自動化、輸送、群ロボット工学などの分野で多くの用途があるため、大きな注目を集めています。
現在の MRPP ソルバーは、リダクション ベース、検索ベース、ルール ベースのカテゴリに分類でき、それぞれに長所と制限があります。
ただし、方法論に関係なく、高密度の MRPP インスタンスを処理するという問題は依然として大きな課題であり、既存のアプローチでは一般に、ソリューションの最適性と効率に関して二分法が示されています。
この研究は、高密度ストレージ システムやトラフィック輻輳制御への潜在的なアプリケーションを使用して、高密度で高度に絡み合ったシナリオに対する最適な MRPP 解像度のギャップを埋めることを目指しています。
その目標に向けて、私たちは高密度設定における SOTA MRPP アルゴリズムの動作を分析し、既存の SOTA アルゴリズムの長所を活用した 2 つのハイブリッド アルゴリズム、DCBS (データベース高速化拡張競合ベース検索) と SCBS (スパース化拡張競合ベース検索) を開発します。
実験による検証では、DCBS と SCBS は、既存の制限付き準最適手法と比較して計算時間を大幅に短縮し、既存のルールベースの手法と比較して解の品質を向上させ、計算効率と解の最適性の間の望ましいバランスを達成することを実証しています。
その結果、DCBS と SCBS は、高密度環境におけるマルチロボット ルーティング用の高品質のソリューションを迅速に計算するのに特に適しています。

要約(オリジナル)

Optimal Multi-Robot Path Planning (MRPP) has garnered significant attention due to its many applications in domains including warehouse automation, transportation, and swarm robotics. Current MRPP solvers can be divided into reduction-based, search-based, and rule-based categories, each with their strengths and limitations. Regardless of the methodology, however, the issue of handling dense MRPP instances remains a significant challenge, where existing approaches generally demonstrate a dichotomy regarding solution optimality and efficiency. This study seeks to bridge the gap in optimal MRPP resolution for dense, highly-entangled scenarios, with potential applications to high-density storage systems and traffic congestion control. Toward that goal, we analyze the behaviors of SOTA MRPP algorithms in dense settings and develop two hybrid algorithms leveraging the strengths of existing SOTA algorithms: DCBS (database-accelerated enhanced conflict-based search) and SCBS (sparsified enhanced conflict-based search). Experimental validations demonstrate that DCBS and SCBS deliver a significant reduction in computational time compared to existing bounded-suboptimal methods and improve solution quality compared to existing rule-based methods, achieving a desirable balance between computational efficiency and solution optimality. As a result, DCBS and SCBS are particularly suitable for quickly computing good-quality solutions for multi-robot routing in dense settings

arxiv情報

提供元, 利用サービス

arxiv.jp, Google