群制御2026/8/21arXiv:2608.21554

分布シフト下での不均一マルチロボットタスク割り当てのためのモデルベース強化学習

Model-Based Reinforcement Learning for Heterogeneous Multi-Robot Task Assignment Under Distribution Shifts

不均一なマルチロボットシステムにおけるタスク割り当てとスケジューリングを、予測を考慮した適応ロールアウトフレームワークで解決し、分布シフトに対する頑健性を向上させた。

詳しい要約

1. どんなもの？

本論文は、異種マルチロボットサービスシステムにおけるタスク割り当て問題を扱う。予約リクエストとリアルタイムリクエストが混在し、ロボットとタスクの互換性、順序付きサービス要件、ルーティング制約、サービス時間枠、終了時帰還要件を考慮する。問題を有限ホライズンの確率動的計画として定式化し、予測を考慮した適応的ロールアウトフレームワークを提案する。

2. 先行研究と比べてどこがすごい？

従来の手法は、予測に過度に依存して分布シフトに脆弱であるか、リアクティブで将来情報を活用しない。本手法は、予測と実績のミスマッチに基づいて予測リクエストを適応的に再重み付けし、未開始の割り当てを選択的に再最適化することで、予測誤差に対するロバスト性を向上させる。また、展開前の異種フリート構成を履歴データから選択する手順も導入している。

3. 技術・手法の肝は？

手法の核は、予測を考慮した適応的ロールアウトフレームワークである。現在の割り当てを将来のリクエストシナリオのサンプルを用いて評価し、即時のコミットメントは観測済みリクエストに限定する。オンライン利用のために、枝刈りされた候補制御、待機アクション、相互作用を考慮したベースポリシーを組み合わせて将来コストを推定する。さらに、最近の予測ミスマッチに基づく適応的再重み付けと、未開始リクエストの選択的再最適化により、予測誤差へのロバスト性を提供する。

4. どうやって有効だと検証した？

実病院の看護タスクリクエストデータを用いたケーススタディで検証した。提案手法は、リアクティブ、トークンパッシング、予測ポジショニング、欲張りベースラインと比較して、ほぼ完全なサービスを達成し、サービス済みリクエストの待ち時間を短縮した。特にテール遅延指標で最大の改善が見られた。

5. 議論はある？

要旨からは、提案手法の計算複雑性や、より大規模なシステムへのスケーラビリティに関する議論は不明である。また、分布シフトの種類や程度による性能変化の詳細も不明。さらに、フリート構成選択の手順が実際の運用コストに与える影響については言及されていない。

6. 次に読むべき論文は？

要旨で参照されているベースライン手法（reactive, token-passing, prediction-positioning, myopic greedy）に関する論文や、関連するマルチロボットタスク割り当ての研究（例：Multi-Robot Task Allocation, Markov Decision Process, Approximate Dynamic Programming）を読むことが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Daniel Garces, Sara Castro, Adrian Haimovich, Byron Crowe, Stephanie Gil

分類: cs.RO, cs.LG, cs.MA

原文アブストラクト

Heterogeneous multi-robot service systems must assign requests to compatible robots, construct feasible schedules, and adapt as new tasks arrive online. Historical data can help anticipate future demand, but relying too heavily on inaccurate predictions can degrade performance under distribution shifts. We develop a prediction-aware adaptive rollout framework for heterogeneous multi-robot task assignment with scheduled and real-time requests. The problem is formulated as a finite-horizon stochastic dynamic program incorporating robot-task compatibility, ordered service requirements, routing constraints, service windows, and end-of-horizon return requirements. The proposed policy evaluates current assignments using sampled future request scenarios while restricting immediate commitments to requests already observed. To enable online use, the framework combines pruned candidate controls, wait actions, and an interaction-aware base policy for efficient future-cost estimation. Robustness to forecast error is provided by adaptively reweighting predicted requests based on recent prediction mismatch and selectively re-optimizing assigned but unstarted requests. We also introduce a historical-data-driven procedure for selecting the heterogeneous fleet composition before deployment. In a case study using real nursing-task requests from hospital inpatient floors, the proposed approach achieves near-complete service and reduces serviced-request wait times relative to reactive, token-passing, prediction-positioning, and myopic greedy baselines, with the largest improvements in tail-delay metrics.

arXivで原文を読む →arXiv概要ページ