Uncertainty-Aware Planning for Heterogeneous Robot Teams using Dynamic Topological Graphs and Mixed-Integer Programming

要約

ロボットの数に応じて信念空間が指数関数的に増加するため、不確実な環境における複数のロボットの計画と調整は基本的な計算上の課題です。
この論文では、情報収集用の高速偵察車両と、偵察車両が展開されるリスク回避型の搬送ロボットで構成される異種ロボット チームを使用して、不確実な環境での計画の問題に取り組みます。
環境の不確実性が存在する場合のマルチロボット計画に関連する計算上の課題を克服するために、トポロジーグラフを使用して環境と運用シナリオを表現します。エッジの重み分布はグラフ上のロボットチームの状態に応じて変化します。
この信念空間表現は依然としてロボットの数に応じて指数関数的に拡大しますが、最適なマルチロボット計画を数秒で生成できる、計算効率の高い混合整数プログラムを定式化します。
ロボットチームにとって不確実な位置での観察者による検出を最小限に抑えながら、ロボットチームが環境内を移動する必要がある代表的なシナリオでアプローチを評価します。
私たちのアプローチは、変化する環境でのリアルタイムの再計画に対して計算上十分に扱いやすく、不完全な情報が存在する場合でもパフォーマンスを向上させることができ、さまざまなリスクプロファイルに対応するように調整できることを実証します。

要約(オリジナル)

Multi-robot planning and coordination in uncertain environments is a fundamental computational challenge, since the belief space increases exponentially with the number of robots. In this paper, we address the problem of planning in uncertain environments with a heterogeneous robot team comprised of fast scout vehicles for information gathering and more risk-averse carrier robots from which the scout vehicles are deployed. To overcome the computational challenges associated with multi-robot planning in the presence of environmental uncertainty, we represent the environment and operational scenario using a topological graph, where the edge weight distributions vary with the state of the robot team on the graph. While this belief space representation still scales exponentially with the number of robots, we formulate a computationally efficient mixed-integer program which is capable of generating optimal multi-robot plans in seconds. We evaluate our approach in a representative scenario where the robot team must move through an environment while minimizing detection by observers in positions that are uncertain to the robot team. We demonstrate that our approach is sufficiently computationally tractable for real-time re-planning in changing environments, can improve performance in the presence of imperfect information, and can be adjusted to accommodate different risk profiles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google