MRBTP: Efficient Multi-Robot Behavior Tree Planning and Collaboration
Created by
- Haebom
Category
Empty
저자
Yishuai Cai, Xinglin Chen, Zhongxuan Cai, Yunxin Mao, Minglong Li, Wenjing Yang, Ji Wang
개요
본 논문은 다중 로봇 작업 계획 및 협업의 어려움을 해결하기 위해 다중 로봇 행동 트리 계획(MRBTP) 알고리즘을 제안합니다. MRBTP는 서로 다른 행동 트리 간의 이종 동작을 조정하여 팀 목표를 달성하기 위한 트리 간 확장 기능을 갖추고 있습니다. 동종 동작의 경우, 의도 공유를 통한 중복 실행 방지를 위해 백업 구조를 유지합니다. 동종 및 이종 로봇 팀 모두를 위한 행동 트리를 생성할 수 있지만 효율성 향상을 위해 대형 언어 모델(LLM)을 활용한 플러그인을 추가적으로 제안합니다. LLM은 각 로봇의 목표 관련 동작을 추론하여 장기적인 하위 트리를 미리 계획하여 계획 속도와 협업 효율성을 향상시킵니다. 창고 관리 및 일상 서비스 시나리오에서 알고리즘을 평가하여 다양한 설정에서 MRBTP의 강력함과 실행 효율성, 그리고 사전 훈련된 LLM이 MRBTP를 위해 효과적인 작업별 하위 트리를 생성하는 능력을 보여줍니다.
시사점, 한계점
•
시사점:
◦
다중 로봇 시스템에서의 행동 트리 계획 문제에 대한 새로운 알고리즘(MRBTP) 제시 및 이론적 보장 (soundness and completeness).
◦
이종 로봇 간의 효과적인 협업을 위한 트리 간 확장 기능 구현.
◦
중복 실행 방지를 위한 동종 동작 간 백업 구조 및 의도 공유 메커니즘 도입.
◦
LLM을 활용한 플러그인을 통해 계획 속도 및 협업 효율성 향상.
◦
실제 시나리오(창고 관리, 일상 서비스)를 통한 알고리즘의 성능 검증.
•
한계점:
◦
MRBTP 알고리즘의 효율성 개선 필요성 제시.
◦
LLM 플러그인의 성능은 LLM의 성능에 의존적임.
◦
LLM의 추론 오류 가능성 존재.
◦
다양한 환경이나 복잡한 작업에 대한 일반화 성능에 대한 추가적인 연구 필요.
