Multi-CAP: 未知環境におけるマルチロボット接続性考慮型階層的カバレッジ経路計画アルゴリズム

- 大規模かつ未知の環境を複数ロボットで効率的に coverage するための階層型 coverage path planning アルゴリズム Multi-CAP を提案する研究。 - 環境を連結した subarea の集合として表す adjacency graph を構築・動的に維持する。 - 環境は未知だが bounded であると仮定し、探索中に adjacency graph をオンラインで逐次更新する。 - subarea のロボットへの割当を Vehicle Routing Problem (VRP) として定式化し、重複走行を抑える disjoint な tour を計算する。 - 各ロボットは割当 tour を実行し、subarea 内ではリアルタイム観測に基づき coverage 戦略を適応させる。

- 複数ロボットによる大規模未知環境の coverage において、総 path length の最小化とロボット間 conflict の低減を両立させる点を狙う。 - 連結性を考慮した adjacency graph をオンラインで逐次改良し、観測済み・未観測領域の両方で物理レイアウトを反映させる点が特徴。 - subarea 割当を VRP として解き、各ロボットに重複しない subarea 集合を割り当てることで冗長移動を抑える。 - 要旨では simulations と multi-robot hardware experiments により、coverage time・total path length・path overlap ratio で state-of-the-art 手法を大きく上回ると主張。 - 具体的な比較対象手法名は要旨からは不明。

- 階層型アプローチを採用し、上位で adjacency graph に基づく subarea 割当、下位で各 subarea 内の coverage を実行する。 - 環境が未知でも bounded という仮定の下、adjacency graph をオンラインで逐次更新し、観測・未観測領域を含む構造を維持する。 - subarea をロボットに割り当てる問題を Vehicle Routing Problem (VRP) として解き、重複のない disjoint tour を生成する。 - 各ロボットは割当 tour を独立に実行し、subarea 内ではリアルタイムの sensor observations に基づいて path length を抑えるよう coverage 戦略を適応させる。 - connectivity-aware graph と global tour planner が性能向上の鍵であることを ablation studies で確認。

- simulations と multi-robot hardware experiments の両方で評価を実施。 - coverage time、total path length、path overlap ratio の主要指標で state-of-the-art 手法を大きく上回ることを示す。 - ablation studies により、connectivity-aware graph と global tour planner の寄与を検証。 - 具体的なロボット台数、環境規模、ベースライン名、数値結果は要旨からは不明。

- 環境が未知だが bounded であるという仮定に依存しており、非有界環境や動的障害物への適用性は要旨からは不明。 - adjacency graph のオンライン更新と VRP 求解の計算コストやスケーラビリティに関する議論は要旨からは不明。 - subarea 内の適応的 coverage がリアルタイム観測に依存するため、センサノイズや通信制約の影響は要旨からは不明。 - 実機実験は行われているが、ロボット間通信や故障時の挙動については要旨からは不明。

- Vehicle Routing Problem (VRP) の解法に関する古典的・近年の研究。 - multi-robot coverage path planning の代表的手法（例: MST-based、cellular decomposition ベースの手法）。 - connectivity-aware なグラフ表現やオンライン地図更新を用いる探索・被覆研究。 - 要旨で比較対象として明示された個別論文名は不明のため、上記は同分野の一般的手法・問題設定を挙げる。