UMBELLA：動的な時間論理タスクに対する不確実性を考慮したマルチロボットのリアクティブ協調

Abstract

複数ロボットシステムは、隊列としてのタスクを、同時かつ協調的に行動することで非常に効率的に達成できる可能性があります。しかし、既存の多くの手法は、静的なタスク特徴を前提とするか、環境の変化が起きるたびに単に再計画するだけです。本論文では、動的かつ移動するターゲットを含む協調タスクのために、複数ロボットシステムを協調させるという難しい問題に取り組みます。ターゲットの運動予測における不確実性を、Conformal Prediction（CP）によって明示的にモデル化しつつ、Linear Temporal Logic（LTL）で指定された空間・時間の制約を遵守します。提案する枠組み（UMBRELLA）は、部分計画に対するMonte Carlo Tree Search（MCTS）と、不確実性を考慮したロールアウトを組み合わせ、さらに探索を導きかつ加速するためのCPベースの指標を導入します。目的は、平均メイクスパンのConditional Value at Risk（CVaR）を最小化することです。オンラインで公開されるタスクに対しては、予測された運動と更新されたタスク仕様に基づいて割り当てを動的に調整する、後退ホライゾン計画（receding-horizon planning）方式を用います。タスク間の空間的および時間的制約は常に確実に満たされ、オンライン実行中の協調タスクに必要なのは部分的な同期のみです。大規模な大域シミュレーションおよびハードウェア実験の結果、静的なベースラインと比較して、平均メイクスパンとその分散の両方が23%および71%それぞれ大幅に低減されることが示されます。