タスク間の優先関係を考慮したオンライン複数ロボットの協調と連携

- 複数ロボットの task allocation 問題に対する新しい定式化を提案する研究。 - タスク間の複雑な precedence relationships を扱う。 - intra-task coordination を効率的に行う。 - robot coalitions の形成による cooperation を組み込む。 - task graph でタスクと関係を表現し、reward functions で coalition size や先行タスク性能の効果をモデル化する。 - 目的は task rewards の最大化。

- 従来の multi-robot task allocation に対し、precedence relationships・intra-task coordination・coalition 形成による cooperation を同時に扱う点が特徴。 - 比較対象として mixed-integer solver と greedy heuristic を用いて評価。 - 新規の online algorithm は iterative re-allocation を行い、task failures や model inaccuracies への robustness を持ち、offline approaches より高い性能を達成すると主張。

- task graph によりタスクと precedence relationships を表現。 - reward functions で coalition size と preceding task performance の効果をモデル化。 - task rewards 最大化は NP-hard のため、network flow-based algorithms で効率的に近似解を求める。 - 新規 online algorithm が iterative re-allocation を実行し、失敗やモデル誤差に対応。

- random missions と reward functions を用いた testbed で包括的に評価。 - mixed-integer solver および greedy heuristic と比較。 - 高度な simulator で、現実的な物理現象に基づく reward functions と現実的な robot dynamics を用いてタスクを実行し、全体アプローチを検証。 - 複雑な mission のモデル化と、タスク関係を活用した高忠実度 task plans の効率的生成を示す結果。

- 要旨からは不明。 - ただし online algorithm が task failures と model inaccuracies に対する robustness を提供すると述べられている。 - NP-hard 問題に対する近似解法の性能や、simulator 検証の限界についての議論は要旨からは不明。

- 要旨で比較対象として挙げられている mixed-integer solver および greedy heuristic に関する研究。 - multi-robot task allocation の定番手法として market-based / auction-based approaches や network flow-based task allocation 関連の論文。 - task precedence を扱う scheduling / task graph 関連の研究。