Core Concepts
Eine neue Planungsparadigma wird vorgeschlagen, das den Produktautomaten von relaxierten partiell geordneten Mengen (R-Posets) online berechnet und diese Teilaufgaben unter Berücksichtigung der Ordnungseinschränkungen den Agenten zuweist. Dies ermöglicht eine effiziente Planung für Aufgabenformeln mit einer Länge von über 400 und eine Flotte von über 400 Agenten.
Abstract
Der Artikel präsentiert einen neuen Ansatz für die Mehrfachagenten-Planung unter temporalen Logikaufgaben, die kontinuierlich online freigegeben werden.
Zunächst wird eine Methode vorgestellt, um die Aufgabenformeln in äquivalente R-Posets umzuwandeln. Anstatt den gesamten Aufgabenautomaten direkt zu übersetzen, berechnet der Algorithmus den Produkten der R-Posets online. Dadurch kann die erste gültige Lösung mit polynomieller Zeitkomplexität in Bezug auf Systemgröße und Formelänge abgeleitet werden.
Für die Zuweisung der Teilaufgaben unter Berücksichtigung zeitlicher, räumlicher und Kooperationseinschränkungen wird ein effizientes Verfahren namens "Time Bound Contract Net" (TBCN) vorgeschlagen. Es ermöglicht eine adaptive Anpassung der Pläne, wenn neue Aufgaben online freigegeben werden.
Umfangreiche Simulationen und Experimente mit großen Roboterflotten in einer Krankenhaus-Umgebung zeigen, dass der Ansatz Aufgabenformeln mit einer Länge von über 400 und Flotten von über 400 Agenten effizient verarbeiten kann, während die meisten bestehenden Methoden bei Formelängen von 25 scheitern.
Stats
Die Übersetzung der Aufgabenformel mit einer Länge von 25 in den zugehörigen NBA-Automaten dauert mehr als 2 Stunden und benötigt 13 GB Arbeitsspeicher.
Die vorgeschlagene Methode kann Aufgabenformeln mit einer Länge von über 400 in etwa 50 Sekunden verarbeiten.
Quotes
"Die Übersetzung der Aufgabenformel mit einer Länge von 25 in den zugehörigen NBA-Automaten dauert mehr als 2 Stunden und benötigt 13 GB Arbeitsspeicher."
"Die vorgeschlagene Methode kann Aufgabenformeln mit einer Länge von über 400 in etwa 50 Sekunden verarbeiten."