Core Concepts
未知の重量物を複数のロボットで協調して運搬するためのタスク割り当てフレームワークを提案する。ロボットは、クラウドサーバから配信されるタスク経験に基づいて、各タスクの除外レベルを学習し、動的にタスクの優先順位を再設定することで、個別運搬、協調運搬、および一時的な不可能タスクの除外を実現する。
Abstract
本研究では、重量が未知の物体を複数のロボットで協調して運搬するタスクを扱う。物体の重量が未知であり、一部の物体は運搬できない(不可能タスク)可能性がある。従来のタスク割り当て手法では、事前にタスクの完了確率やコストを指定する必要があり、不可能タスクが存在する場合にはデッドロックが発生する問題があった。
提案手法では、クラウドサーバがロボットシステム全体のタスク経験を蓄積・配信し、各ロボットがこれらの経験に基づいて各タスクの除外レベルを学習する。この除外レベルを用いて、動的にタスクの優先順位を再設定することで、個別運搬、協調運搬、および一時的な不可能タスクの除外を実現する。
数値実験の結果、提案手法は、ロボットや物体の数を増加させた場合でも、学習時と異なる重量の物体に対しても、高い成功率と短い運搬時間を達成できることを確認した。また、ロボットの数が不足している場合でも、一時的にデッドロックを回避できることを示した。
Stats
ロボットiが物体lに接続している数|Cl(t)|は、物体lの重量wlと関係する。
物体lの経験El(t)は、|Cl(t)|とロボットの総数Nの比率に基づいて計算される。
Quotes
"未知の重量物を複数のロボットで協調して運搬するためのタスク割り当てフレームワークを提案する。"
"ロボットは、クラウドサーバから配信されるタスク経験に基づいて、各タスクの除外レベルを学習し、動的にタスクの優先順位を再設定することで、個別運搬、協調運搬、および一時的な不可能タスクの除外を実現する。"