マルチエージェントPPOを用いた異種ロボットチームのための協調タスク割り当ておよび経路計画

概要: 効率的なロボティクスによる地球外探査には、科学計測ツールから高度な移動（ロコモーション）まで、多様な能力を備えたロボットが必要です。ロボットのチームを組むことで、複数の専門化されたサブシステムにタスクを分散でき、それぞれがミッション完遂に向けて特定の専門知識を提供します。中心となる課題は、チームを効率よく協調させて利用率を最大化し、科学的価値を最大限に引き出すことにあります。従来の計画（プランニング）アルゴリズムは問題規模に対してスケールしにくく、その結果、計画サイクルが長くなり、可能なロボットとターゲットの割り当て、および可能な軌道の組合せ的な増大により推論コストが高くなります。学習ベースの手法は、このスケーリング上の懸念を実行時（ランタイム）から学習時間へ移すための有力な代替手段であり、リアルタイム計画の実現に向けた重要な一歩となります。本研究では、多エージェント近接方策最適化（Multi-Agent Proximal Policy Optimization; MAPPO）に基づく協調計画戦略を提案し、不均質なロボットのチームを協調させて、複雑なターゲット割り当てとスケジューリング問題を解く方法を示します。提案手法を、全探索によって得られる単一目的の最適解と比較してベンチマークし、惑星探査シナリオの文脈においてオンライン再計画を実行できる能力を評価します。