Hierarchical Large Scale Multirobot Path (Re)Planning

要約

我々は、乱雑な環境における大規模なマルチロボットの経路計画問題を考察する。我々のアプローチは、作業空間をセルに分割し、階層型プランナを利用することにより、リアルタイムな再計画を実現する。具体的には、マルチコモディティフローベースの高位プランナが混雑を緩和するためにロボットをセル内にルーティングし、一方、随時実行可能な低位プランナが各セル内のロボットの衝突のない経路を並列に計算する。その結果、ベースラインのマルチエージェント経路探索アルゴリズムと比較して経路が長くなるにもかかわらず、我々の手法は計算時間を大幅に改善した解を生成する。具体的には、我々が研究した環境において、ベースラインのマルチエージェント経路探索アプローチと比較して、計算時間が500倍高速化したという経験的結果を示す。我々は、ロボットの体型を考慮し、連続的に再計画を行う場合のノンストップ実行をサポートする。シミュレーションでは最大142台のロボットを用い、代表的な32台の物理的Crazyflieナノクアドローター実験により、本アルゴリズムのリアルタイム性能を実証する。

要約(オリジナル)

We consider a large-scale multi-robot path planning problem in a cluttered environment. Our approach achieves real-time replanning by dividing the workspace into cells and utilizing a hierarchical planner. Specifically, multi-commodity flow-based high-level planners route robots through the cells to reduce congestion, while an anytime low-level planner computes collision-free paths for robots within each cell in parallel. Despite resulting in longer paths compared to the baseline multi-agent pathfinding algorithm, our method produces a solution with significant improvement in computation time. Specifically, we show empirical results of a 500-times speedup in computation time compared to the baseline multi-agent pathfinding approach on the environments we study. We account for the robot’s embodiment and support non-stop execution when replanning continuously. We demonstrate the real-time performance of our algorithm with up to 142 robots in simulation, and a representative 32 physical Crazyflie nano-quadrotor experiment.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL