拥挤环境下多机器人路径规划的高效启发式方法
机器人学
2023-06-27 v1
摘要
最优多机器人路径规划（MRPP）因其在仓库自动化、交通和运输及集群机器人等领域的诸多应用而备受关注。当前的MRPP求解器可分为基于归约、基于搜索和基于规则三类，各有优势与局限。然而，无论采用何种方法，处理密集MRPP实例仍是一大挑战，现有方法在解的最优性与效率上通常呈现两难。本研究旨在弥合密集、高度纠缠场景下最优MRPP求解的鸿沟，可应用于高密度存储系统与交通拥堵控制。为此，我们分析了SOTA MRPP算法在密集环境中的行为，并开发了两种混合算法以结合现有SOTA算法之长：DCBS（数据库加速的增强冲突基搜索）与SCBS（稀疏化增强冲突基搜索）。实验验证表明，相较于现有有界次优方法，DCBS与SCBS大幅减少了计算时间；相较于现有基于规则的方法，提升了求解质量，从而在计算效率与解最优性间取得理想平衡。因此，DCBS与SCBS特别适用于为密集环境下的多机器人路由快速计算高质量解。
引用
@article{arxiv.2306.14409,
title = {Efficient Heuristics for Multi-Robot Path Planning in Crowded Environments},
author = {Teng Guo and Jingjin Yu},
journal= {arXiv preprint arXiv:2306.14409},
year = {2023}
}