Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Multi-Agent Pathfinding Under Team-Connected Communication Constraint via Adaptive Path Expansion and Dynamic Leading

Created by
  • Haebom

저자

Hoang-Dung Bui, Erion Plaku, Gregoy J. Stein

개요

본 논문은 팀 연결 통신 제약 조건 하에서 다중 에이전트 경로 찾기 문제를 해결하기 위한 새로운 계획 프레임워크를 제안합니다. 모든 에이전트는 이동하는 동안 팀의 나머지 에이전트와 연결된 통신 채널을 유지해야 합니다. 기존의 다중 에이전트 경로 찾기 방법(예: 우선순위 기반 검색)은 이러한 영역에서 잠재력을 가지지만, 시작 및 목표 지점에서 인접 구성이 다를 때 실패할 수 있습니다. 단일 확장 방식(각 에이전트의 경로를 시작 지점에서 목표 지점까지 단 한 번의 확장으로 계산)은 에이전트가 이동하는 동안 이웃이 변경될 때 통신 제약 조건 하에서의 계획을 안정적으로 처리할 수 없습니다. 마찬가지로, 리더-팔로워 방식(예: 플라토닝)은 팀 통신을 유지하는 데 효과적이지만, 계획 초기 단계에서 리더를 고정하면 밀집된 환경에서 계획이 실패할 수 있어 실용성이 제한됩니다. 이러한 한계를 극복하기 위해, 본 논문은 두 가지 기법을 통합한 새로운 2단계 다중 에이전트 경로 찾기 프레임워크를 제안합니다. 첫 번째 기법은 에이전트 경로를 여러 단계로 목표 지점까지 확장하는 적응형 경로 확장이고, 두 번째 기법은 진행이 불가능할 때마다 각 에이전트 경로 확장 중에 선두 에이전트를 재선택하는 동적 선두 기법입니다. 시뮬레이션 실험 결과, 제안된 기법은 제한된 통신 범위 제약 조건 하에서 5가지 환경 유형에서 최대 25개의 에이전트, 시야 통신 제약 조건 하에서 3가지 환경 유형에서 최대 11~12개의 에이전트를 처리할 수 있으며, 기존 방법이 실패하는 경우에도 90% 이상의 성공률을 보이는 것으로 나타났습니다.

시사점, 한계점

시사점: 제한된 통신 범위와 시야 통신 제약 조건 하에서 다중 에이전트 경로 찾기 문제에 대한 효율적인 해결책 제시. 기존 방법의 한계를 극복하고 높은 성공률 달성. 최대 25개 에이전트까지 효과적으로 계획 수립 가능.
한계점: 제안된 프레임워크의 성능은 환경의 복잡성과 에이전트 수에 따라 달라질 수 있음. 매우 복잡한 환경이나 많은 수의 에이전트에 대한 일반화 가능성에 대한 추가 연구 필요. 실제 로봇 시스템에 대한 실험적 검증이 부족함. 특정 유형의 통신 제약 조건에만 초점을 맞추고 있음.
👍