工場環境における障害物と環境変化に対応する堅牢なマルチエージェント経路探索手法

本論文は、工場環境におけるマルチエージェント経路探索(MAPF)において、静的環境を前提とする従来のガイダンスベースのアプローチが、予期せぬ障害物により衝突やデッドロックを引き起こす問題を解決する新しいフレームワークを提案する。このフレームワークは、各セグメントのガイダンスポリシーをリアルタイムの障害物情報に基づいて更新し、障害物の影響を受けるロボットを特定して選択的に経路を再計画する。これにより、計算量を削減しつつ、経路計画の成功率と効率を維持する。100台のロボットを用いた100m×100mの工場環境でのシミュレーションでは、提案手法は100%の成功率を維持し、従来のkR-MAPFと比較して、計画実行時間を約35-79%、フロータイムを約7-24%削減した。この結果は、動的な工場環境における安定した大規模マルチロボット運用に貢献する。