교착 상태에 빠진 것으로 보이는 에이전트들의 하위 그룹을 조정하는, 지역적으로 제한된 다중 에이전트 경로 찾기(MAPF) 솔버의 적용을 제안
'ad-hoc 네트워크'는 중앙 관리 장치 없이 각기 다른 기기들이 서로 직접 통신을 하는 네트워크 형태
현재 위치와 원하는 목표에 대한 정보를 교환
현대 MAPF 솔버들이 일반적으로 요구하는, 그리드 기반 MAPF 사례를 구축하는 방법을 제시
PUSH AND ROTATE
(https://velog.io/@jk01019/PUSH-AND-ROTATE) 및 CONFLICT BASED SEARCH (ECBS)
(https://velog.io/@jk01019/CONFLICT-BASED-SEARCH-ECBS)의 경계가 있는 부최적 버전을 평가하고, 그들의 내비게이션 파이프라인에 포함시킴으로써 성공률이 크게 증가교착 상태 탐지 메커니즘을 설계
합니다. 지역적으로 조정된 분산 다중 에이전트 시스템이 형성
됩니다. 즉, 교착 상태에 빠진 에이전트는 현재 위치와 원하는 목표에 대한 정보를 교환하므로 각 에이전트는 동일한 (지역) 세계 모델을 형성하고 운영
공유된 세계 모델과 일치하고 현대 그래프 기반 MAPF 솔버의 입력으로 사용되는 그리드 기반 MAPF 사례를 만드는 방법을 제안
구체적으로, MAPF를 해결하기 위해 PUSH AND ROTATE [2]와 Conflict Based Search (ECBS)의 경계가 있는 부최적 버전 [3]의 조합을 사용할 것을 제안
MAPF 솔루션이 얻어지면 모든 에이전트는 모두가 MAPF 목표에 도달할 때까지 이를 따릅니다. 이렇게 되면 개별 경로를 따르도록 전환
교착 상태 탐지 메커니즘을 제시
교착 상태를 해결하기 위해 MAPF 사례를 형성하는 새로운 접근법을 제시
여전히 좁은 시간 제약 하에서 많은 수의 에이전트에 대한 최적 해결책을 얻는 것은 문제
ECBS [3]가 제공할 수 있는 경계가 있는 부최적 해결책을 찾는 것
알고리즘은 매우 빠르고 많은 수의 에이전트에 잘 확장
됩니다. 종종 그들의 해결책 비용이 높습니다.
다양한 수정 중에서도 가장 발전된 것은 RVO와 달리, 특정 온건한 가정 하에서 충돌의 부재를 보장할 수 있는 ORCA 기반 알고리즘입니다 [1].
ORCA를 기반으로 하는 여러 알고리즘이 있으며, 이는 위치 정확도와 운동 제약 [16], [17], [18]을 고려
기계 학습은 충돌 회피 정책을 생성하는 데 사용될 수 있습니다 [21], [22].
"