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-Robot Task Allocation for Homogeneous Tasks with Collision Avoidance via Spatial Clustering

Created by
  • Haebom

저자

Rathin Chandra Shit, Sharmila Subudhi

개요

본 논문은 산업 환경에서 동종 측정 작업을 수행하는 다중 로봇 작업 할당(MRTA) 및 충돌 회피 문제에 대한 통합 솔루션을 제시합니다. 공간 클러스터링 기법을 통해 작업 공간을 각 로봇의 독립적인 작업 영역으로 나누어 작업 할당과 충돌 회피 문제를 동시에 해결합니다. K-means 클러스터링과 2-Opt 알고리즘을 사용하여 작업 위치를 분할하고 각 클러스터 내에서 로봇 경로를 계획합니다. 실험 결과, 기존 최고 성능 방법 대비 최대 93%의 시간 단축(1.24초 대 17.62초)과 최대 7%의 솔루션 품질 향상을 보였으며, 기존 방법에서 발생하는 충돌 지점을 완전히 제거했습니다. 이론적 분석을 통해, 많은 동일한 작업이 드물게 분포된 지리적 영역에 배치되는 조건에서 공간 분할이 작업 할당과 충돌 회피 문제를 통합한다는 것을 확인했습니다. 본 연구 결과는 계산 효율성과 충돌 없는 작동이 매우 중요한 실제 응용 분야에 중요한 의미를 가집니다.

시사점, 한계점

시사점:
다중 로봇 작업 할당 및 충돌 회피 문제에 대한 효율적이고 효과적인 통합 솔루션 제공.
기존 방법 대비 시간 및 솔루션 품질 향상을 실험적으로 검증.
충돌 지점 완벽 제거를 통해 안전성 향상.
산업 현장의 실제 문제 해결에 기여 가능성 제시.
한계점:
동종 측정 작업에 국한된 연구 결과. 다양한 작업 유형에 대한 일반화 필요.
K-means 클러스터링과 2-Opt 알고리즘의 성능에 의존적. 다른 알고리즘 사용 시 성능 변화 가능성 존재.
실험 환경의 제한으로 인한 일반화의 어려움. 더욱 다양하고 복잡한 환경에서의 성능 검증 필요.
👍