Layered LA-MAPF: a decomposition of large agent MAPF instance to accelerate solving without compromising solvability

要約

マルチエージェント パス ファインディング (MAPF) は、近年広く研究されています。
ただし、既存の MAPF アルゴリズムのほとんどは、エージェントがグリッドベースのマップ内の 1 つのグリッドのみを占有することを前提としています。
この仮定により、エージェントが点状ではなく幾何学的形状を持つ多くの実世界の領域での適用が制限されます。
複数のセルを同時に占有することができるこのようなエージェントは、「大型」エージェントと呼ばれます。
MAPF でエージェントの形状とサイズを考慮すると、主に幾何学的なエージェント間の競合検出のオーバーヘッドが増加するため、エージェントの数が増えるにつれて計算の複雑さが大幅に増加します。
この論文では、LA-MAPF (Large-Agent MAPF) 問題に対して 2 種類の部分問題を提案します: \textbf{cluster} (解の順序に制約がない) と \textbf{level} (解の順序に制約を課す)
解決策の順序)。
\textbf{Layered LA-MAPF} を導入します。これは、ジオメトリック エージェントを含む MAPF インスタンスをクラスターに分解し、各クラスターをさらにレベルに分解します。
このアプローチは、LA-MAPF 問題を解決する際の時間の複雑さを軽減することを目的としています。
私たちの結果は、さまざまなマップにわたってエージェントの数が増加したときのこの手法のパフォーマンスと、LA-CBS や LA-LaCAM などの LA-MAPF 手法がどのように高速化されるかを示しています。
実験によると、インスタンス分解を使用した LA-MAPF メソッド \textbf{時間コストが半分になり (平均 40 秒から 20 秒に短縮)、成功率が 3 倍になり (平均 0.27 から 0.80 に)}、60 秒以内に解を見つけることができました。
。
さらなる研究を促進するために、Layered LA-MAPF のソース コードを \url{https://github.com/JoeYao-bit/LayeredMAPF/algorithm/LA-MAPF} で公開しました。

要約(オリジナル)

Multi-Agent Path Finding (MAPF) has been widely studied in recent years. However, most existing MAPF algorithms assume that an agent occupies only a single grid in a grid-based map. This assumption limits their applicability in many real-world domains where agents have geometric shapes, rather than being point-like. Such agents, which can occupy multiple cells simultaneously, are referred to as “large” agents. When considering the shape and size of agents in MAPF, the computational complexity increases significantly as the number of agents grows, primarily due to the increased overhead in conflict detection between geometric agents. In this paper, we propose two types of subproblems for the LA-MAPF (Large-Agent MAPF) problem: \textbf{cluster} (which has no constraints on the order of solution) and \textbf{level} (which imposes constraints on the solution order). We introduce \textbf{Layered LA-MAPF}, a method that decomposes a MAPF instance involving geometric agents into clusters, and then further decomposes each cluster into levels. This approach aims to reduce time complexity when solving LA-MAPF problems. Our results demonstrate the performance of our method as the number of agents increases across various maps, and how it accelerates LA-MAPF methods, such as LA-CBS and LA-LaCAM. Experiments show that our LA-MAPF method with instance decomposition \textbf{halves the time cost (reducing from an average of 40s to 20s) and triples the success rate (from an average of 0.27 to 0.80)} in finding a solution within 60 seconds. To facilitate further research, we have made the source code for Layered LA-MAPF publicly available at \url{https://github.com/JoeYao-bit/LayeredMAPF/algorithm/LA-MAPF}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google