文脈不確実性下での計画のための多ロボット協調

要約: 実世界のロボットは、作業環境の文脈に依存する目的の優先順位が影響する設定で動作することが多いです。基礎となる文脈が事前に不明な場合、誤った文脈に基づいて行動すると、整合性を欠くおよび安全でない挙動につながる可能性があるため、複数のロボットは文脈を推測するための有益な観測を収集するよう協調する必要があることがあります。真の基礎文脈が推定されると、ロボットは文脈によって導かれる優先順位に従って、タスク固有の目標を最適化します。私たちはこの問題を、共同観測を通じてランドマーク状態における文脈関連情報を捉える Multi-Robot Context-Uncertain Stochastic Shortest Path (MR-CUSSP)として形式化します。私たちの二段階の解法アプローチは、次の二つの要素から成り立っています。 (1) CIMOP (Coordinated Inference for Multi-Objective Planning) は、ロボットを有益なランドマークへ導く計画を算出し、真の文脈を効率的に推定することを目的とします。 (2) LCBS (Lexicographic Conflict-Based Search) は、文脈によって誘導される辞書式な目的優先を用いた、衝突のない複数ロボットの経路計画です。3つのシミュレーションドメインを用いてアルゴリズムを評価し、salpドメイン設定で5台のモバイルロボットを用いてその実用性を示します。