Core Concepts
複雑で不確実な実世界環境でも、階層的なプランニングシステムを用いることで、協調的なマルチエージェントチームが自律的に任務を遂行できる。
Abstract
本研究では、実世界の構造化された屋外環境で、Clearpath Huskyとジャッカルからなるマルチエージェントチームの協調ナビゲーションを実現するための階層的プランニングシステムを開発した。
まず、抽象的な移動グラフを用いて、チームの期待メイクスパンを最小化する協調的なプランを生成する。次に、マクロアクションプランナーが、抽象プランを実行可能なプリミティブアクションの系列に変換する。最後に、各エージェントのコアオートノミーパイプラインが、プリミティブアクションを実際のモータコマンドに変換して実行する。
この階層的アプローチにより、抽象的な計画と実世界の実行の間のギャップを埋めることができた。具体的には、マクロアクションの頑健な実行、可変長マクロアクションの協調的な実行、プランニング抽象化の不完全性への対処などを実現した。
実際の野外実験では、協調的なプランニングにより、チームのメイクスパンが大幅に短縮されることを示した。一方で、低レベルのナビゲーション失敗や観測関数の誤りなどの課題も明らかになった。今後は、プランニング抽象化の自動生成や、より頑健な階層的プランナーの開発に取り組む予定である。
Stats
Huskyの協調的プランニングでの移動距離は156.71m、非協調的プランニングでは257.97m
Huskyの待機時間は協調的プランニングで10.0秒、非協調的プランニングでは0秒
Jackalの協調的プランニングでの移動距離は100.04m、非協調的プランニングでは25.83m
Jackalの待機時間は協調的プランニングで0秒、非協調的プランニングでも0秒
Quotes
"複雑で不確実な実世界環境でも、階層的なプランニングシステムを用いることで、協調的なマルチエージェントチームが自律的に任務を遂行できる。"
"マクロアクションの頑健な実行、可変長マクロアクションの協調的な実行、プランニング抽象化の不完全性への対処などを実現した。"