In parole semplici
Quando più robot si muovono insieme, i loro piani devono tenere conto l’uno dell’altro. Un planner che pianifica per tutta la squadra può lavorare offline; robot che pianificano separatamente in tempo reale potrebbero invece accontentarsi di una soluzione meno efficace per il gruppo.
WarpWeaver fa cercare a ciascun robot possibili movimenti, poi fa condividere le sequenze di comandi promettenti e considera lo spazio necessario agli altri. In 11 attività di pianificazione del movimento, la mediana del tempo di percorrenza della squadra è stata la più bassa in 10 casi rispetto ai planner centralizzati offline.
La ricerca
Una squadra di robot può cercare un buon piano congiunto mentre ogni robot pianifica localmente e il gruppo deve agire in tempo reale? I planner centralizzati possono puntare all’ottimo congiunto ma lavorano offline; quelli decentralizzati in tempo reale spesso si fermano a ottimi locali.
WarpWeaver fa cercare localmente i robot e negoziare i costi dello spazio condiviso per puntare a piani di squadra quasi ottimali in tempo reale.
I robot possono pianificare separatamente in tempo reale e avvicinarsi comunque a una buona soluzione per tutta la squadra?
WarpWeaver fa cercare a ciascun robot possibili movimenti e scambiare sequenze di comandi promettenti; i prezzi dello spazio condiviso tengono conto dei conflitti con gli altri.
In 11 istanze Dynobench di pianificazione del movimento, WarpWeaver ha completato ogni prova e ha ottenuto la mediana più bassa del tempo di percorrenza totale, sommato tra i robot, in 10 istanze rispetto ai planner centralizzati offline.
Il risultato sostiene l’approccio per queste attività; la riduzione massima riportata è stata del 22% e i planner differivano sia per progettazione sia per esecuzione in tempo reale o offline.
La garanzia formale di quasi ottimalità vale solo se la negoziazione raggiunge la quiescenza e se valgono le ipotesi del paper sulla regolarità e sul margine dei vincoli.
Gli esperimenti riguardano specifiche attività simulate e dimostrazioni con sei robot; gli autori osservano che attività con vincoli strettamente interdipendenti, come mantenere una formazione rigida, potrebbero essere più difficili da risolvere.
Analisi
Dettagli
- Autori del paper originale
- Shashank A. Deshpande, Blake T. Edwards, Jonathan P. How
- Inviato ad arXiv
- Licenza
- arXiv non-exclusive