不確実性を考慮した強耦合ロボット間報酬による多ロボットタスク割り当て

要旨: 不確かなタスク要件を伴う環境における異種ロボットチームへのタスク割り当ては、根本的に困難な問題である。こうしたタスクに対して複数のロボットを冗長に割り当てることは過度に保守的であり、一方で純粋に反応的な戦略は、必要となる可能性のある能力が必要になった時にタスク完了の遅延を招くリスクを伴う。本論文では、不確かなタスク要件を明示的にモデル化するオークションベースのタスク割り当てアルゴリズムを提案し、新規の強結合型定式化を活用して、潜在的に必要な能力を持つロボットが不確かなタスクの近くに自然に配置されるよう割り当てる。このアプローチにより、ロボットは近接するタスクで生産性を維持しつつ、能力が必要となる場合には完了時間の大きな遅延を抑制できる。タスクの締切制約を伴う一連の模擬災害救援ミッションを通じて、提案手法が冗長性ベースの手法と比較して期待ミッション価値を最大で15%向上させることを示す。さらに、未モデリングのタスク要件の変化に起因する不確実性を、予期せぬ環境条件に遭遇して追加の能力が必要かどうかを確認するまでの自然な遅延を活用して近似する新しいフレームワークを提案する。このフレームワークを用いると、反応的な手法と比較して、期待ミッション価値を最大で18%向上させることが示される。