Robust Online Epistemic Replanning of Multi-Robot Missions

要約

マルチロボットシステム（MRS）の低価格化とコンピューティング能力の向上に伴い、環境モニタリング、水中検査、宇宙探査などの複雑なアプリケーションに大きな利点をもたらす。しかし、このようなアプリケーション領域では、潜在的な通信損失や通信インフラの利用不可能性を考慮することは、依然として未解決の問題である。適用可能なMRS研究の多くは、システムが近接規制やフォーメーション制御によって通信を維持できること、あるいは長時間の切断のために分離して所定の計画に従う枠組みを考案することを前提としている。後者の技術はMRSをより効率的にすることを可能にするが、故障や環境の不確実性は、特にミッションの目標が複雑であったり時間的制約がある場合には、システム全体にドミノ効果をもたらす可能性がある。この問題に対処するために、我々の提案するフレームワークは2つの主要なフェーズを持つ。i) ミッション実行中の不測の事態の影響を緩和するために、ロボット間の断続的なランデブーに報酬を与えることでミッションタスクを割り当てる集中型プランナーと、ii) 信念伝播を形式化するためのエピステミックプランニングと、分散された合理的な信念更新が与えられた場合のポリシー最適化のためのモンテカルロ木探索を活用した分散型再プランニングスキームである。提案するフレームワークはベースラインのヒューリスティックを凌駕し、シミュレーションと航空機を用いた実験により検証される。

要約(オリジナル)

As Multi-Robot Systems (MRS) become more affordable and computing capabilities grow, they provide significant advantages for complex applications such as environmental monitoring, underwater inspections, or space exploration. However, accounting for potential communication loss or the unavailability of communication infrastructures in these application domains remains an open problem. Much of the applicable MRS research assumes that the system can sustain communication through proximity regulations and formation control or by devising a framework for separating and adhering to a predetermined plan for extended periods of disconnection. The latter technique enables an MRS to be more efficient, but breakdowns and environmental uncertainties can have a domino effect throughout the system, particularly when the mission goal is intricate or time-sensitive. To deal with this problem, our proposed framework has two main phases: i) a centralized planner to allocate mission tasks by rewarding intermittent rendezvous between robots to mitigate the effects of the unforeseen events during mission execution, and ii) a decentralized replanning scheme leveraging epistemic planning to formalize belief propagation and a Monte Carlo tree search for policy optimization given distributed rational belief updates. The proposed framework outperforms a baseline heuristic and is validated using simulations and experiments with aerial vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL