.png){kind=icon}
返回
Congestion-Aware Efficient Multi-Robot Task Planning via Invocation-Pruning Task Evaluation
.png){kind=icon}
PRE
AI
DOI：10.1109/lra.2026.3711507.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多机器人协作任务场景中，瓶颈区域的拥堵及其导致的执行延迟可能使任务规划优化方案失效，进而引发潜在的不稳定性和安全风险。本文提出了一种考虑拥堵的调用剪枝规划（CAIPP）方法，该方法能准确量化拥堵影响以确保任务规划的有效性。针对高层任务分配，考虑拥堵的方法通过调用时空路径规划来减少评估误差，以解决机器人间路径对任务效用评估的影响。考虑到路径规划的计算负担，设计了一种无冲突验证策略和剪枝评估策略来调度路径规划的调用，从而减少不必要的计算。采用信道图构建可达空间轻量级表示，并在此基础上分别设计了空间路径规划和时空路径规划方法，用于初始和修正的任务效用估计。仿真和实验结果表明，所提出的方法能够实现高效的任务规划和拥堵规避，并在解质量和规划效率方面优于基准方法。
Keyword:
Path planning
Robots
Planning
Timing
Algorithms
Resource management
Modeling
Optimization
Trajectory
Delays
Multi-robot systems
task allocation
pruning strategy
congestion-aware planning
