Panasonic HD entwickelt KI-Technologie für eine effiziente Pfadplanung für autonome Roboter in Umgebungen, in denen verschiedene Roboter mit Menschen koexistieren

Osaka, Japan– Panasonic Holdings Co., Ltd. (Panasonic HD) hat eine neue Technologie zur effizienten Pfadplanung entwickelt, die voraussichtlich den Einsatz autonomer Roboter in Umgebungen erweitern wird, in denen Menschen und mehrere Roboter auf engstem Raum koexistieren, wie z drinnen.

In den letzten Jahren wurden autonome Roboter entwickelt und in der Praxis getestet, um den Arbeitskräftemangel zu bewältigen, der durch eine schrumpfende Belegschaft verursacht wird. Um auf reale Standorte anwendbar zu sein, muss das System problemlos in einer Umgebung laufen können, in der Fußgänger oder mehrere Roboter unter der Kontrolle anderer Systeme koexistieren. Da der Roboter bei der Vermeidung von Kollisionen immer wieder abbremst und anhält, kommt es zu einer stochastischen Verzögerung in der Zeit, die er benötigt, um sein Ziel zu erreichen. In einer solchen Umgebung ist es äußerst schwierig, eine Route für einen Roboter festzulegen, der effizient und autonom zu seinem Ziel reisen kann.
Als Reaktion auf diese Probleme hat Panasonic HD eine neue Technologie entwickelt, die eine effiziente Planung von Fahrwegen ermöglicht, indem die Wahrscheinlichkeitsverteilungsparameter in Bezug auf die Transitzeit des Roboters mithilfe von Bayes'scher Inferenz aktualisiert werden.
Die Problemstellung und Fortschrittlichkeit dieser Methode wurden international anerkannt, was zu ihrer Akzeptanz bei AAMAS 2023 (der 22. internationalen Konferenz über autonome Agenten und Multiagentensysteme) ^*1, der Top-Konferenz für Multiagententechnologie, führte. Es wird auf der Postersitzung in London (Montag, 1. Juni 2023) vorgestellt.

Zu den Anwendungsfällen, in denen autonome Roboter voraussichtlich zum Arbeitskräftemangel beitragen werden, gehören enge Korridore, in denen autonome mobile Roboter nicht aneinander vorbeikommen können, beispielsweise Korridore in Gebäuden. Darüber hinaus sind die Korridore häufig mit Passanten und verschiedenen Robotertypen gefüllt, die von anderen Systemen gesteuert werden. (Abb. 1)

Abbildung 1. Übersicht über die Aufgabenstellung für die Lieferung von Robotern in Gebäuden (zitiert aus dem veröffentlichten Artikel [1]). Lieferroboter (blaue Linie) liefern Produkte aus dem Geschäft an Kunden in Konferenzräumen im Gebäude, während ein Fernbediener mehrere Roboter überwacht. Die Roboter bewegen sich unter Vermeidung von Fußgängern und Reinigungsrobotern (orangefarbene Linie), die von anderen Systemen gesteuert werden.

In einer solchen Umgebung müssen autonome Roboter langsamer werden oder anhalten, um sich bewegenden Hindernissen auszuweichen. Folglich kommt es zu einer stochastischen Verzögerung in der Zeit, die der Roboter zum Durchqueren des Korridors benötigt. Und in vielen Fällen ist die Wahrscheinlichkeitsverteilung dieser Verzögerung vorher unbekannt oder es stehen nur begrenzte Vorinformationen zur Verfügung. Daher ist es notwendig, eine Methode zu entwickeln, um den nächsten Plan basierend auf der Verzögerung zu erstellen, die während des Roboterbetriebs beobachtet wird.

MAPF (Multi-agent Path Finding) wurde untersucht und auf das Problem der Erstellung kollisionsfreier Pfade für mehrere Roboter auf einem gitterartigen Diagramm angewendet. Dennoch gehen herkömmliche Methoden davon aus, dass die Wahrscheinlichkeitsverteilung von Verzögerungen genau modelliert werden kann. Die Anwendung dieser Methoden auf reale Situationen, in denen die Anzahl der Menschen und Roboter im Flur schwankt, ist schwierig.

Daher haben wir eine Art MAPF auf einem nicht gitterartigen Diagramm definiert, bei dem die Reisezeiten von Robotern stochastisch verteilt sind und die wahre Verteilung unbekannt ist. Wir haben eine Methode vorgeschlagen, um die Parameter der Wahrscheinlichkeitsverteilung mithilfe der Bayes'schen Inferenz zu aktualisieren.
Wir haben die Verzögerung eines Roboters, der einen bestimmten Weg (Kante im Diagramm) abläuft, mit einer Gammaverteilung mit unbekannten Parametern modelliert. Die Parameter der Verzögerungswahrscheinlichkeitsverteilung wurden anhand beobachteter Verzögerungswerte abgeleitet, die während der Planausführung ermittelt wurden. Durch die Erstellung eines optimalen Routenplans auf Basis der geschätzten Parameter konnten wir eine effiziente Routenplanung selbst in einer Umgebung erreichen, die für autonome mobile Roboter äußerst schwierig zu durchqueren ist. Die Wirksamkeit dieser Methode haben wir durch Vergleichsexperimente mit bestehenden Methoden nachgewiesen. (Figur 2)

Abbildung 2. Simulationsergebnisse der vorgeschlagenen Methode (zitiert aus dem veröffentlichten Artikel [1]). Dargestellt wird die durchschnittliche Anzahl der Konflikte über die Ausführung von 100 Aufgaben. Die vorgeschlagene Methode (Spalte ganz links) führt zu weniger Konflikten als die bestehende Methode (Spalte ganz rechts).

Die neu entwickelte Pfadplanungsmethode für autonome mobile Roboter ist eine Technologie, die den Einsatz autonomer Roboter in Umgebungen erweitert, in denen Menschen und verschiedene Roboter koexistieren, was in der Vergangenheit schwierig anzuwenden war.

Ermutigt durch die internationale Anerkennung unserer Entwicklungsergebnisse in Bereichen, die für die gesellschaftliche Umsetzung von KI in der realen Welt unverzichtbar sind, werden wir weiterhin intensiv mit Forschern innerhalb und außerhalb unseres Unternehmens zusammenarbeiten, um „KI-Technologie zu entwickeln, die zum Glück unserer“ beiträgt Kunden."

*1 Die 22. Internationale Konferenz über autonome Agenten und Multiagentensysteme (AAMAS 2023) ist eine maßgebliche Spitzenkonferenz im Multiagentenbereich. Die diesjährige Veranstaltung findet vom 29. Mai bis 2. Juni in London statt und ist dafür bekannt, dass KI-Forscher auf der ganzen Welt ihre neuesten Errungenschaften präsentieren und diskutieren können.

[1] „Online-Neuplanung und adaptive Parameteraktualisierung für Multi-Agent-Pfadfindung mit stochastischen Reisezeiten“
Diese Forschung ist das Ergebnis einer Zusammenarbeit zwischen Herrn Atsuyoshi Kita von der Panasonic HD Platform Division, Dr. Masashi Okada und Herrn Nobuhiro Suenari von der Technology Division sowie Prof. Tadahiro Taniguchi von der Ritsumeikan University/Panasonic HD Technology Division.
https://arxiv.org/pdf/2302.01489.pdf

• Panasonic×AI-Website
  https://tech-ai.panasonic.com/en/