動的で混雑した環境におけるCBBAと凸集合グラフによるタスク割り当てと運動計画
本論文は、動的で混雑した環境におけるマルチエージェントシステムに対して、凸集合グラフ（GCS）による軌道最適化とコンセンサスベースバンドルアルゴリズム（CBBA）による分散タスク割り当てを組み合わせた解決策を提案する。GCSは3D+時間の構成空間で最適軌道を求め、CBBAはタスク割り当てを調整し、衝突回避と正確な時間推定を実現する。静的・動的タスクを含むシミュレーション環境で有効性を確認した。
近年、AIAA-Scitech 2027に提出された論文が、動的で混雑した環境におけるマルチエージェントのタスク割り当てと運動計画の新しい手法を提案しました。研究はMatthew D. Osburn氏らによって行われ、タイトルは「Task Allocation and Motion Planning in Dynamic, Cluttered Environments via CBBA and Graphs of Convex Sets」です。本論文は2026年6月16日にarXivプレプリントサーバーに提出され、識別番号2606.18516が割り当てられています。全15ページ、10の図を含み、ロボティクス（cs.RO）の分野に分類されます。
動的環境では、タスク割り当てはどのエージェントが最適かだけでなく、タスクにいつどこで到達できるかにも依存します。従来の手法はタスク割り当てと運動計画を分離して扱うことが多く、非効率や実行不可能な解を生じる可能性がありました。この問題に対し、研究者らは凸集合グラフ（Graphs of Convex Sets, GCS）とコンセンサスベースバンドルアルゴリズム（Consensus-Based Bundle Algorithm, CBBA）を統合する革新的なアプローチを開発しました。
GCSは、凸制約を含む構成空間内で最適軌道を高速に計算する強力なツールです。本研究ではこれを3D+時間の次元に拡張し、動的障害物や移動目標を考慮できるようにしました。一方、CBBAは分散型のタスク割り当てアルゴリズムで、エージェント間の局所的な通信により中央制御なしでタスクを効率的に配分します。CBBAがGCSにタスク割り当て情報を提供し、GCSが軌道の実現可能性と完了時間の正確な推定値をフィードバックすることで、両者は密接に連携します。
この統合アプローチにより、エージェントは3D+時間空間内で衝突を回避し、正確なタスク完了時間を推定できます。研究チームは、静的および動的タスクを含む混雑したシミュレーション環境で手法の有効性を検証しました。倉庫や災害現場でのドローン群による合流・救助任務を模擬した実験では、スケーラビリティとロバスト性が確認されました。
この研究は、ドローン群の協調、自動運転車両、災害救助など、複雑な動的環境での自律ナビゲーションの効率化と安全性向上に貢献する可能性があります。将来的には、より多様な実世界シナリオへの適用が期待されます。