Targeted Parallelization of Conflict-Based Search for Multi-Robot Path Planning

要約

グラフ上のマルチロボット パス プランニング (MRPP) は、マルチ エージェント パス検索 (MAPF) とも呼ばれ、非常に重要なアプリケーションで確立された NP 困難問題です。
(ほぼ) 最適に解いている MRPP におけるシリアル計算が計算効率の限界に近づいているため、並列化は、特にハードまたは大規模な MRPP インスタンスを処理する場合に、限界をさらに押し上げる有望な手段を提供します。
この研究では、MRPP の競合ベースの検索のパフォーマンスを向上させるために \emph{targeted} 並列化の取り組みを開始しました。
具体的には、インスタンスは比較的小さいが、ロボットが強力なインタラクションで高密度に詰め込まれている場合、複数のブランチを同時に探索する分散型並列アルゴリズムを適用し、ソリューション発見の大幅な強化につながります。
一方、インスタンスが大きく、ロボット間の対話がまばらな場合は、ノードの拡張と競合の解決を優先します。
境界付き準最適競合検索ベースのアルゴリズムを並列化する当社の革新的なマルチスレッド アプローチは、成功率または実行時間において、ベースラインのシリアル手法に比べて大幅な改善を示しています。
私たちの貢献は、MRPP の理解をさらに推し進め、並列アルゴリズム戦略を通じてソリューションの品質と計算効率を向上させるための有望な道筋を示します。

要約(オリジナル)

Multi-Robot Path Planning (MRPP) on graphs, equivalently known as Multi-Agent Path Finding (MAPF), is a well-established NP-hard problem with critically important applications. As serial computation in (near)-optimally solving MRPP approaches the computation efficiency limit, parallelization offers a promising route to push the limit further, especially in handling hard or large MRPP instances. In this study, we initiated a \emph{targeted} parallelization effort to boost the performance of conflict-based search for MRPP. Specifically, when instances are relatively small but robots are densely packed with strong interactions, we apply a decentralized parallel algorithm that concurrently explores multiple branches that leads to markedly enhanced solution discovery. On the other hand, when instances are large with sparse robot-robot interactions, we prioritize node expansion and conflict resolution. Our innovative multi-threaded approach to parallelizing bounded-suboptimal conflict search-based algorithms demonstrates significant improvements over baseline serial methods in success rate or runtime. Our contribution further pushes the understanding of MRPP and charts a promising path for elevating solution quality and computational efficiency through parallel algorithmic strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google