面向多目标任务分配的统计显著差异化方案
机器人学
2023-12-13 v1
摘要
我们研究了在面临多个竞争目标时，为随机规划与任务分配问题（如在线多机器人取送货）寻找统计显著差异化方案的问题。在许多现实场景中，机器人车队不仅需要完成送货请求，还必须考虑辅助目标，如能源效率或避开以人为中心的工作空间。我们将 MRPD 视为一个多目标优化问题，其目标是找到在给定目标之间产生不同权衡的 MRPD 策略。存在两个主要挑战：1) MRPD 计算困难，这限制了可合理计算的权衡数量；2) 由于任务随机到达，除了平均值外，还需考虑目标值的统计方差。我们提出了一种自适应采样算法，用于寻找一组满足以下条件的策略：i) 近似最优，ii) 逼近所有最优解的集合，iii) 在统计上可区分。我们证明了完备性，并将最先进的 MRPD 求解器适配到三个示例目标的多目标设定中。在一系列模拟实验中，我们展示了所提方法相较于基线方法的优势，并在敏感性分析中证明了其鲁棒性。该方法具有通用性，可适配于其他不确定性下的多目标任务分配与规划问题。
引用
@article{arxiv.2312.07292,
title = {Statistically Distinct Plans for Multi-Objective Task Assignment},
author = {Nils Wilde and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2312.07292},
year = {2023}
}