Abstract
In an environment that operates multiple UAVs, the use of a decentralized task allocation algorithm has more robustness from a single failure of UAV on the mission because there is no central command center. In addition, UAVs have situational awareness and redistribute tasks among themselves, which can expand the mission range. The use of multiple UAVs in a mission has increased as the agent hardware has decreased in size and cost. The decentralized mission-planning algorithm has the advantages of a larger mission range and robustness to a single failure during the mission. This paper extended the type of mission the uses CBBA, which is the most well-known decentralized task allocation algorithm, to the point mission and en-route mission. This will describe the real mission situation that has the purpose of surveillance. A Monte-Carlo simulation was conducted in the case of multiple agents in the task-rich environment, and the global rewards of each case were compared.
복수 무인기를 운영하는 환경에서 분산 임무 할당 알고리즘의 사용은 임무를 지휘 통제하는 중앙 관제 시스템이 없기 때문에 중앙 집중식 임무 할당 방식에 비해 무인기의 임무 중 탈락 이벤트로부터 보다 큰 강건성을 가지게 된다. 또한 무인기 스스로 상황을 인지하고 통신을 통해 임무를 재할당 하는 방식이기 때문에 임무 반경 또한 더욱 넓힐 수 있는 장점을 가지고 있다. 하드웨어 성능이 향상되고 비용이 감소함에 따라 임무 환경에서의 복수 무인기 운용에 대한 필요성이 증대되고 있으며, 작전 반경이 넓고 단일 고장에 강건한 분산 임무 할당 알고리즘에 대한 연구 필요성이 대두되고 있다. 본 논문은 대표적인 분산 임무할당 알고리즘인 CBBA를 기반으로 하여, 기존에 점 좌표로 단순화 되어 설정된 임무 종류를 점 좌표에 대한 감시 업무와 선형 경로의 정찰 임무로 구분하여 보다 현실에서의 임무 상황을 반영할 수 있도록 발전시켰다. 본 연구의 결과로서 복수무인기가 과다 임무가 부여된 상황에서 동일한 임무위치 및 보상을 갖는 상황을 몬테 카를로 시뮬레이션을 통해 최종 보상합(global reward)을 비교한다.