Do We Run Large-Scale Multi-Robot Systems on the Edge? More Evidence for Two-Phase Performance in System Size Scaling
作者: Jonas Kuckling, Robin Luckey, Viktor Avrutin, Andrew Vardy, Andreagiovanni Reina, Heiko Hamann · ICRA 2024
授權條款
- 開放取用
- 論文: CC BY 4.0
以下內容皆依據論文全文，依其 CC BY 4.0 授權條款使用；圖表已標示作者。
一句話摘要
對三個多機器人系統的模擬顯示，在臨界群體規模時，效能會分化成接近最佳與接近零的兩類執行結果；一個族群模型將此現象連結到分岔與漫長的暫態。
為何重要
為了追求最高產能而調校機器人車隊或群體的營運者，可能在不知不覺中讓系統運作在崩潰邊緣，而漫長的暫態會讓這種系統在崩潰前的一段時間看起來運作正常。此模型也預測了遲滯現象，因此在運作期間增加或移除機器人（某些穩健可擴展性方法會這樣做）可能導致效能突然跳變。
問題
群體效能通常以隨群體密度變化的平均值來報告，它會先上升、在臨界系統規模達到高峰，然後下降。這個平均值可能掩蓋一種雙峰結果：在臨界規模附近，有些執行幾乎達到最佳，有些則陷入壅塞而崩潰，因此依平均效能高峰調校的系統可能離崩潰很近。
提出的方法
作者模擬了三個系統（一座由 3000 台以上吊掛在軌道上的 AFLE 倉儲機器人組成的倉庫、使用 lasso 方法的群體物體聚集，以及朝向光信標的湧現趨性（emergent taxis）），並繪出效能隨群體規模變化的完整分布，而非平均值。接著他們用兩種方式為此效應建模：一個服務時間取決於佇列長度的 M/M/1 佇列，以及一個三狀態族群模型（solo、grupo、fermo），以常微分方程式寫成，並用非線性動力學工具分析。
關鍵見解
- 在臨界系統規模附近，結果呈雙峰分布：每次執行要不是接近最高效能，就是崩潰到接近零的效能，幾乎沒有介於兩者之間的情況。
- 在族群模型中，鞍結分岔意味著多加一台機器人就可能讓系統從高生產力切換到低生產力，而移除機器人只有在群體規模更小時才能讓它切換回來（遲滯）。
- 暫態時間在臨界狀態附近呈超指數成長（臨界慢化），作者將其追溯到 (N, k1) 參數空間中一個餘維度 2 的尖點分岔；因此系統在崩潰之前可能是在「借來的時間」上運作。
- 一個簡單的修正 M/M/1 佇列就已重現線性增加以及在臨界到達率時的崩潰，其曲線與族群模型的曲線相似。
主要結果
- 倉庫（每個到達率重複 96 次）：產能隨到達率線性上升，直到每小時約 10⁴ 個 AFLE，之後有些執行陷入壅塞、產能接近零，其他則維持在最高水準。
- 物體聚集（每個群體規模 1000 次執行，1 到 20 台機器人）：最佳效能出現在約 6 台機器人；從 10 台機器人起，結果分化成成功與失敗的執行。
- 湧現趨性（每個群體規模 800 次執行，2 到 40 台機器人，資料來自先前的研究）：約在 15 台機器人時達到最高速度，此時出現第二個低速相。
- 修正的 M/M/1 佇列（平均到達率 0.4 到 0.9，各 500 個樣本）：在約 0.65 的臨界平均到達率時崩潰。
- 使用預設速率的族群模型：solo 機器人的數量在 N = 31 時達到高峰，之後迅速下降；當 k1 = 0.001 時，兩個鞍結分岔界定出一個雙穩態區間，圖 6 顯示該區間內 N = 40 時的狀態空間。
限制
- 作者表示，哪一種模型最能描述兩相效能仍是未解的問題，未來的研究必須證明此效應在工業應用中是否真實存在且具相關性。
- 三個情境都是模擬；倉庫模型是一個單向通行、沒有物理的網格世界，也沒有為倉儲軌道區段建模。
- 湧現趨性的結果沿用自先前的一篇論文，而非重新執行。
- 佇列常數被描述為任意設定，兩個模型都被說成只是定性地捕捉該行為；論文並未用模擬資料擬合它們。
對領域的影響
榮獲 IEEE ICRA 2024 多機器人系統最佳論文獎，被引用 14 次。論文連結其物體聚集模擬器的開源程式碼與一段影片；未提及釋出倉庫模擬器。
摘要
隨著愈來愈多行動機器人進入真實世界的應用，更多機器人在同一空間中共存、互動，並可能彼此協作。讓這類系統具備系統規模可擴展性的方法是已知的，例如來自群體機器人學。範例策略包括自我組織行為、嚴格的去中心化做法，以及限制機器人之間的通訊。儘管採用了這些策略，任何多機器人系統在超過某個臨界系統規模（即機器人數量）時都會失效，因為太多機器人共用同一項資源（例如空間、通訊頻道）。我們根據模擬提供額外證據，顯示在這些臨界系統規模下，系統效能會分化成兩個相：接近最佳的效能與最低的效能。我們推測，在依最佳系統規模配置的真實世界應用中，看似高效能的系統實際上可能是在借來的時間上運作，因為它正處於通往崩潰的暫態過程中。我們提供兩種建模選項（分別以排隊理論與族群模型為基礎），或許有助於支持這項推論。
連結
- arXiv 2310.11843: https://arxiv.org/abs/2310.11843
- DOI 10.1109/ICRA57147.2024.10610771: https://doi.org/10.1109/ICRA57147.2024.10610771
- PDF: https://arxiv.org/pdf/2310.11843v1
- 程式碼: https://github.com/avardy/cwaggle_lasso