Real-World Deployment of a Hierarchical Uncertainty-Aware Collaborative Multiagent Planning System

要約

私たちは、協力的なマルチエージェント チームが現実世界の環境において、長距離スケールや不確実性の下でナビゲートできるようにしたいと考えています。
実際には、計画の複雑さは、チーム内のエージェントの数、環境の長さのスケール、および環境の不確実性に応じて変化します。
扱いやすい計画を実現するには、複雑で高品質な計画を表現できる抽象モデルを開発する必要があります。
ただし、このようなモデルでは、特に現実世界の不確実性が存在する場合、そのような詳細な計画を立てることは計算上困難であるため、現実世界の環境で現実世界のエージェントに対して直接実行可能な計画を生成するために必要な情報が抽象化されていることがよくあります。
この論文では、実世界の未知の環境で共同マルチエージェント ナビゲーション タスクを実行するためにプランナーの階層を使用した計画システムの展開について説明します。
計画階層のあらゆるレベルでの障害に対して堅牢な計画システムを開発することで、不完全な計画の抽象化や現実世界の不確実性が存在する場合でも、チームが協調的なナビゲーション タスクを完了できるようになりました。
私たちは、構造化された屋外環境を移動する Clearpath Husky-Jackal チームにアプローチを導入し、このシステムによりエージェントが共同計画を正常に実行できることを実証しました。

要約(オリジナル)

We would like to enable a collaborative multiagent team to navigate at long length scales and under uncertainty in real-world environments. In practice, planning complexity scales with the number of agents in the team, with the length scale of the environment, and with environmental uncertainty. Enabling tractable planning requires developing abstract models that can represent complex, high-quality plans. However, such models often abstract away information needed to generate directly-executable plans for real-world agents in real-world environments, as planning in such detail, especially in the presence of real-world uncertainty, would be computationally intractable. In this paper, we describe the deployment of a planning system that used a hierarchy of planners to execute collaborative multiagent navigation tasks in real-world, unknown environments. By developing a planning system that was robust to failures at every level of the planning hierarchy, we enabled the team to complete collaborative navigation tasks, even in the presence of imperfect planning abstractions and real-world uncertainty. We deployed our approach on a Clearpath Husky-Jackal team navigating in a structured outdoor environment, and demonstrated that the system enabled the agents to successfully execute collaborative plans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google