Summary

에너지 제약이 있는 다중 로봇 환경에서 작업 할당과 작업 순서, 충전 시점 및 충전소 선택을 분리하지 않고 하나의 통합된 최적화 문제로 구성하고 ROS 2 Gazebo에서 검증한 프레임워크.

Goal

작업 할당과 작업 순서만 먼저 정하고 충전은 사후적으로 넣는 방식이 아니라, 작업과 충전을 동시에 고려하여 전체 미션 완료시간을 줄이고 에너지 고갈 없이 실행 가능한 스케줄을 생성.

Progress

<aside>

1. robot, task, charger 뿐만 아니라 Nav2 기반으로 로봇의 SoC, 에너지 소모 등의 문제 정의
2. 각 task마다 key decoding 방식을 통해 어느 로봇에게 몇 번째로 할당될 지 결정되도록 정의
3. 최적화를 통해 2번을 최적해에 수렴시키며, 각 로봇의 task sequence를 출력
4. 최적화된 task sequence를 ROS 2 Gazebo에서 시나리오 검증 </aside>

GitHub

https://github.com/jmk9/mrta-charging-scheduling

Video

video.mp4

System architecture

• 문제 정의

  

  • robot, task, charger

    • robot: 4~7대의 로봇의 SoC, 속도, 동작 따른 에너지 소모 등

    • task: one-way, round-trip, via-point로 총 3가지 type의 작업을 정의

      

      

      

      one-way (편도)

      $(x_1,y_1)\rightarrow(x_2,y_2)$

      round-trip (왕복)

      $(x_1,y_1)\rightarrow(x_2,y_2)\rightarrow(x_1,y_1)$

      via-point (경유)

      $(x_1,y_1)\rightarrow(x_2,y_2)\rightarrow(x_3,y_3)$

    • charger: 2~3개의 충전소의 위치, 충전소 사용 여부, 충전 시간 등

  • key decoding

    문제를 최적화를 통해 최적해에 수렴할 수 있는 형태로 정의

    

  • 최적화

    • 10개 이상의 다양한 최적화 알고리즘을 비교하여 어떤 알고리즘이 적합한지 실험.
    • 가장 좋은 성능을 보인 Rime Optimization Algorithm (RIME) 알고리즘을 이후 검증에 사용.
    • 최적화 결과는 충전이 포함된 task sequence

  • gazebo

    ROS 2 gazebo에서 최적화된 task sequence를 로봇에 할당하여 16개의 case 시나리오를 실행.

Results

• 최적화 비교