Judgelight 경로 수준 사후 최적화로 다중 로봇 경로 찾기의 불필요 움직임 제거

초록

본 논문은 학습 기반 MAPF 솔버가 생성한 충돌 없는 경로에 남아 있는 불필요한 이동을 제거하기 위해, 닫힌 서브워크(Closed‑Subwalk)를 찾아 압축하는 사후 최적화 레이어인 Judgelight을 제안한다. MAPF‑Collapse 문제를 정의하고 NP‑hard임을 증명한 뒤, 정수선형계획(ILP) 기반 정확 알고리즘을 설계한다. 실험 결과, 기존 솔버 대비 평균 20% 정도 비용을 절감하며, 특히 학습 기반 방법에서 큰 효과를 보인다.

상세 분석

Judgelight은 기존 MAPF 솔버가 제공하는 “가능한” 스케줄을 입력으로 받아, 각 에이전트의 궤적에서 시작점과 종료점이 동일한 구간(닫힌 서브워크)을 탐지한다. 이러한 구간을 하나의 정점에 머무르는 대기 동작으로 교체함으로써 이동 횟수를 최소화한다. 핵심 아이디어는 ‘Collapse’ 연산을 정의하고, 여러 에이전트에 대해 독립적으로 적용할 수 있다는 점이다. 이를 위해 논문은 MAPF‑Collapse 문제를 공식화한다. 입력은 N×(T+1) 크기의 위치 행렬 M이며, 허용되는 변형은 v_i,a = v_i,b 인 경우