AMR群向けオークション型タスク割り当てとエネルギー考慮軌道最適化

本論文は、非対称なタスク空間における multi-robot task allocation と trajectory optimization のための階層的二段階フレームワークを提示する。 - 第1段階: sequential auction が closed-form bid functions を用いてタスクを割り当てる。 - 第2段階: 各ロボットが physics-based battery model を用いて energy-minimal trajectories の optimal control problem を独立に解き、pairwise proximity penalties による collision avoidance refinement を行う。 - event-triggered warm-start rescheduling を bounded trigger frequency で用い、robot faults、priority arrivals、energy deviations に対応する。 - 2-20 robots、最大100 tasks…

nearest-task allocation と比較して、energy- および distance-based auction variants が平均11.8%の energy savings を達成。 - rescheduling latency は10 ms未満。 - bid-metric performance が regime-dependent であることを示した点が新しい。 - uniform workspaces では distance bids が energy bids を3.5%上回る(p < 0.05, Wilcoxon)。これは15.7%の closed-form approximation error が bid ranking accuracy を87%に低下させるため。 - workspace friction heterogeneity が十分な場合(r < 0.85 energy-distance correlation)、zone-aware energy bid が distance bids を2-2.4%上回る。

階層的二段階フレームワーク。 - 第1段階: sequential auction と closed-form bid functions によるタスク割り当て。 - 第2段階: 各ロボットが physics-based battery model を用いた energy-minimal trajectories の optimal control problem を独立に解く。 - その後、pairwise proximity penalties による collision avoidance refinement。 - event-triggered warm-start rescheduling を bounded trigger frequency で実行し、robot faults、priority arrivals、energy deviations に対応。 - energy- と distance-based の auction variants、および zone-aware energy bid を比較。

505 scenarios、2-20 robots、最大100 tasks、3つの factory layouts で評価。 - energy- および distance-based auction variants が nearest-task allocation に対し平均11.8%の energy savings を示した。 - rescheduling latency は10 ms未満。 - uniform workspaces では distance bids が energy bids を3.5%上回り、Wilcoxon 検定で p < 0.05。 - friction heterogeneity が十分な場合(r < 0.85 energy-distance correlation)、zone-aware energy bid が distance bids を2-2.4%上回る。

bid-metric performance が regime-dependent であることが中心的な知見。 - uniform workspaces では distance bids が優位。理由は15.7%の closed-form approximation error が bid ranking accuracy を87%に低下させるため。 - friction variation が significant な場合は energy-aware bids が優位。 - 実務者向けガイドライン: near-uniform terrain では distance bids、friction variation が大きい場合は energy-aware bids を使用。 - その他の議論や限界は要旨からは不明。

要旨で参照/比較されている研究は明示されていない。 - 関連手法として nearest-task allocation、sequential auction、closed-form bid functions、optimal control、physics-based battery model、collision avoidance、event-triggered rescheduling が挙げられる。 - 同分野の定番として multi-robot task allocation (MRTA)、auction-based allocation、trajectory optimization に関する文献を次に読むべき。 - 具体的な論文名は要旨からは不明。