知財求人 - 知財ポータルサイト「IP Force」
▶ 日本電気株式会社の特許一覧 ▶ 独立行政法人産業技術総合研究所の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2025-01-15
(54)【発明の名称】経路探索装置、経路探索方法、及びプログラム
(51)【国際特許分類】
G05D 1/622 20240101AFI20250107BHJP
G05D 1/644 20240101ALI20250107BHJP
G05D 1/43 20240101ALI20250107BHJP
【ＦＩ】
G05D1/622
G05D1/644
G05D1/43
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2024540819
(86)(22)【出願日】2022-12-13
(85)【翻訳文提出日】2024-07-04
(86)【国際出願番号】 JP2022045776
(87)【国際公開番号】W WO2023136020
(87)【国際公開日】2023-07-20
(31)【優先権主張番号】P 2022003872
(32)【優先日】2022-01-13
(33)【優先権主張国・地域又は機関】JP
(81)【指定国・地域】
(71)【出願人】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(71)【出願人】
【識別番号】301021533
【氏名又は名称】国立研究開発法人産業技術総合研究所
(74)【代理人】
【識別番号】100103894
【弁理士】
【氏名又は名称】家入 健
(72)【発明者】
【氏名】比嘉 亮太
(72)【発明者】
【氏名】中台 慎二
(72)【発明者】
【氏名】ヒツ ケン
【テーマコード（参考）】
5H301
【Ｆターム（参考）】
5H301BB05
5H301CC03
5H301CC06
5H301KK03
5H301KK08
5H301LL02
5H301LL03
(57)【要約】
経路探索装置（２０００）は、車両情報（６０）と、地図情報（７０）と、障害物情報（８０）とを取得する。車両情報は、複数車両（２０）の現在位置及び目的位置を含む。地図情報（７０）は、対象空間の地図を含む。障害物情報（８０）は、１つ以上の移動障害物の位置の履歴を含む。経路探索装置（２０００）は、対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成し、各々が車両ごとの対象時間窓の間の車両経路を含む複数の候補経路集合を生成する。車両経路は、他の車両経路及び障害物経路と競合しない。経路探索装置（２０００）は、候補経路集合内の車両経路の続きのヒューリスティック探索によって候補経路集合を評価し、候補経路集合の評価に基づいてそれらのうちの１つを選択し、選択した候補経路集合を出力する。
【選択図】図１
【選択図】図１
【特許請求の範囲】
【請求項1】
少なくとも１つのプロセッサと、命令を記憶したメモリと、を備える経路探索装置であって、
前記少なくとも１つのプロセッサは、前記命令を実行することにより、
車両情報、障害物情報、及び地図情報を取得し、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、
前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成し、
前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成し、前記候補経路集合は、各車両の前記対象時間窓の間の車両経路を含み、前記車両経路は、前記他の車両経路及び前記障害物経路と競合せず、
前記候補経路集合内の前記車両経路の続きのヒューリスティック探索によって前記候補経路集合を評価し、
前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択し、前記選択した候補経路集合を出力する、ように構成される、経路探索装置。
【請求項2】
前記候補経路集合の前記生成は、変形された競合ベース探索アルゴリズムを行うことを含み、前記変形された競合ベース探索アルゴリズムは、
前記障害物経路に基づいて、前記車両と前記移動障害物との間の競合を回避する制約を生成し、前記生成した制約を競合木のルートノードに追加することと、
前記対象時間窓の間の競合を解消することと、
２つ以上の解を出力して前記複数の候補経路集合を生成することと、を含む、請求項１に記載の経路探索装置。
【請求項3】
前記候補経路集合は、モンテカルロツリー探索を実行することによって評価され、前記モンテカルロツリー探索は、ルートノードによって候補経路集合ごとに子ノードが保持される探索木を生成し、前記子ノードは、前記候補経路集合及び前記障害物経路によって表される前記対象時間窓の間の前記移動障害物及び前記車両のアクションの集合を表す親エッジを有し、
選択ステップ、展開ステップ、ロールアウトステップ、及び逆伝播ステップのセットを繰り返し実行し、
前記選択ステップにおいて、各ノードの評価スコアに基づいて展開されるべきノードが選択され、
前記展開ステップにおいて、新しいエッジと新しいノードとのペアが、生成されかつ展開されるべき前記ノードに付加され、前記新しいエッジは、前記車両及び前記移動障害物のうちの１つ以上についての１つ以上のアクションを表し、
前記ロールアウトステップにおいて、すべての車両が前記車両の目的地に到達するまでの、又はデッドロックが発生するまでの前記車両及び前記移動障害物の経路の続きを生成するためにロールアウトが行われ、
前記逆伝播ステップにおいて、前記ロールアウトの結果に基づいて、展開されるべき前記ノード及び前記ノードの先祖に対して前記評価スコアが計算される、請求項１に記載の経路探索装置。
【請求項4】
前記新しいエッジは、前記車両又は前記移動障害物の時間ステップにおけるアクションを表し、前記新しいエッジは、前記展開ステップの前記繰り返し実行において順に各車両及び移動障害物に対して生成される、請求項３に記載の経路探索装置。
【請求項5】
前記新しいエッジは、時間窓の間の前記車両及び前記移動障害物のアクションの集合を表す、請求項３に記載の経路探索装置。
【請求項6】
前記評価スコアは、前記ロールアウトの結果として得られた前記車両の前記経路のコスト、前記ロールアウトにおいて発生した競合の数、前記ロールアウトにおいてデッドロックが発生するか否か、又はこれらのうちの２つ以上に基づいて計算される、請求項３に記載の経路探索装置。
【請求項7】
車両情報、障害物情報、及び地図情報を取得することを含み、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成することを含み、
前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成することを含み、前記候補経路集合は、各車両の前記対象時間窓の間の車両経路を含み、前記車両経路は、前記他の車両経路及び前記障害物経路と競合せず、
前記候補経路集合内の前記車両経路の続きのヒューリスティック探索によって前記候補経路集合を評価することを含み、
前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択して前記選択した候補経路集合を出力することを含む、コンピュータによって行われる経路探索方法。
【請求項8】
前記候補経路集合の前記生成は、変形された競合ベース探索アルゴリズムを行うことを含み、前記変形された競合ベース探索アルゴリズムは、
前記障害物経路に基づいて、前記車両と前記移動障害物との間の競合を回避する制約を生成し、前記生成した制約を競合木のルートノードに追加することと、
前記対象時間窓の間の競合を解消することと、
２つ以上の解を出力して前記複数の候補経路集合を生成することとを含む、請求項７に記載の経路探索方法。
【請求項9】
前記候補経路集合は、モンテカルロツリー探索を実行することによって評価され、前記モンテカルロツリー探索は、ルートノードによって候補経路集合ごとに子ノードが保持される探索木を生成し、前記子ノードは、前記候補経路集合及び前記障害物経路によって表される前記対象時間窓の間の前記移動障害物及び前記車両のアクションの集合を表す親エッジを有し、
選択ステップ、展開ステップ、ロールアウトステップ、及び逆伝播ステップのセットを繰り返し実行し、
前記選択ステップにおいて、各ノードの評価スコアに基づいて展開されるべきノードが選択され、
前記展開ステップにおいて、新しいエッジと新しいノードとのペアが、生成されかつ展開されるべき前記ノードに付加され、前記新しいエッジは、前記車両及び前記移動障害物のうちの１つ以上についての１つ以上のアクションを表し、
前記ロールアウトステップにおいて、すべての車両が前記車両の目的地に到達するまでの、又はデッドロックが発生するまでの前記車両及び前記移動障害物の経路の続きを生成するためにロールアウトが行われ、
前記逆伝播ステップにおいて、前記ロールアウトの結果に基づいて、展開されるべき前記ノード及び前記ノードの先祖に対して前記評価スコアが計算される、請求項７に記載の経路探索方法。
【請求項10】
前記新しいエッジは、前記車両又は前記移動障害物の時間ステップにおけるアクションを表し、前記新しいエッジは、前記展開ステップの前記繰り返し実行において順に各車両及び移動障害物に対して生成される、請求項９に記載の経路探索方法。
【請求項11】
前記新しいエッジは、時間窓の間の前記車両及び前記移動障害物のアクションの集合を表す、請求項９に記載の経路探索方法。
【請求項12】
前記評価スコアは、前記ロールアウトの結果として得られた前記車両の前記経路のコスト、前記ロールアウトにおいて発生した競合の数、前記ロールアウトにおいてデッドロックが発生するか否か、又はこれらのうちの２つ以上に基づいて計算される、請求項９に記載の経路探索方法。
【請求項13】
コンピュータに、車両情報、障害物情報、及び地図情報を取得することを実行させ、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、
前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成することを実行させ、
前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成することを実行させ、前記候補経路集合は、各車両の前記対象時間窓の間の車両経路を含み、前記車両経路は、前記他の車両経路及び前記障害物経路と競合せず、
前記候補経路集合内の前記車両経路の続きのヒューリスティック探索によって前記候補経路集合を評価することを実行させ、
前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択して前記選択した候補経路集合を出力することを実行させるプログラムを記憶した、非一時的コンピュータ可読記憶媒体。
【請求項14】
前記候補経路集合の前記生成は、変形された競合ベース探索アルゴリズムを行うことを含み、前記変形された競合ベース探索アルゴリズムは、
前記障害物経路に基づいて、前記車両と前記移動障害物との間の競合を回避する制約を生成し、前記生成した制約を競合木のルートノードに追加することと、
前記対象時間窓の間の競合を解消することと、
２つ以上の解を出力して前記複数の候補経路集合を生成することとを含む、請求項１３に記載の記憶媒体。
【請求項15】
前記候補経路集合は、モンテカルロツリー探索を実行することによって評価され、前記モンテカルロツリー探索は、ルートノードによって候補経路集合ごとに子ノードが保持される探索木を有し、前記子ノードは、前記候補経路集合及び前記障害物経路によって表される前記対象時間窓の間の前記移動障害物及び前記車両のアクションの集合を表す親エッジを有し、
選択ステップ、展開ステップ、ロールアウトステップ、及び逆伝播ステップのセットを繰り返し実行し、
前記選択ステップにおいて、各ノードの評価スコアに基づいて展開されるべきノードが選択され、
前記展開ステップにおいて、新しいエッジと新しいノードとのペアが、生成されかつ展開されるべき前記ノードに付加され、前記新しいエッジは、前記車両及び前記移動障害物のうちの１つ以上についての１つ以上のアクションを表し、
前記ロールアウトステップにおいて、すべての車両が前記車両の目的地に到達するまでの、又はデッドロックが発生するまでの前記車両及び前記移動障害物の経路の続きを生成するためにロールアウトが行われ、
前記逆伝播ステップにおいて、前記ロールアウトの結果に基づいて、展開されるべき前記ノード及び前記ノードの先祖に対して前記評価スコアが計算される、請求項１３に記載の記憶媒体。
【請求項16】
前記新しいエッジは、前記車両又は前記移動障害物の時間ステップにおけるアクションを表し、前記新しいエッジは、前記展開ステップの前記繰り返し実行において順に各車両及び移動障害物に対して生成される、請求項１５に記載の記憶媒体。
【請求項17】
前記新しいエッジは、時間窓の間の前記車両及び前記移動障害物のアクションの集合を表す、請求項１５に記載の記憶媒体。
【請求項18】
前記評価スコアは、前記ロールアウトの結果として得られた前記車両の前記経路のコスト、前記ロールアウトにおいて発生した競合の数、前記ロールアウトにおいてデッドロックが発生するか否か、又はこれらのうちの２つ以上に基づいて計算される、請求項１５に記載の記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、概して、複数車両に関する経路探索問題に関する。
【背景技術】
【0002】
マルチエージェント経路探索（MAPF: Multi-Agent Pathfinding）問題と呼ばれる、複数車両に関する経路探索問題に関する技術が開発されている。非特許文献１は、ＭＡＰＦ問題を解決するための様々なアルゴリズムを開示している。
【先行技術文献】
【非特許文献】
【0003】
【非特許文献1】Roni Stern、Nathan Sturtevant、Ariel Felner、Sven Koenig、Hang Ma、Thayne Walker、Jiaoyang Li、Dor Atzmon、Liron Cohen、T.K.Satish Kumar、Eli Boyarski、及び Roman Bartak、「Multi-Agent Pathfinding: Definitions, Variants, and Benchmarks」、[online]、２０１９年１月１９日、[２０２１年１２月２４日検索]、＜arXiv,https://arxiv.org/pdf/1906.08291.pdf＞から取得
【非特許文献2】Guni Sharon、Roni Stern、Ariel Felner、及び Nathan R.Sturtevant、「Conflict-based search for optimal multi-agent pathfinding」、Elsevier、Artificial Intelligence、Volume 219、 40-66 ページ、２０１５年２月
【発明の概要】
【発明が解決しようとする課題】
【0004】
非特許文献１には、人間などの制御不能の移動障害物を扱うことができるアルゴリズムは開示されていない。本開示は、１つ以上の制御不能の移動障害物が存在する状況下で複数車両のための経路の集合を見つける新規の技術を提供する。
【課題を解決するための手段】
【0005】
本開示の経路探索装置は、少なくとも１つのプロセッサと、命令を記憶したメモリと、を備える。前記少なくとも１つのプロセッサは、前記命令を実行することにより、車両情報、障害物情報、及び地図情報を取得し、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成し、前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成し、前記候補経路集合は、各車両の前記対象時間窓の間の車両経路を含み、前記車両経路は、前記他の車両経路及び前記障害物経路と競合せず、前記候補経路集合内の前記車両経路の続きのヒューリスティック探索によって前記候補経路集合を評価し、前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択し、前記選択した候補経路集合を出力する、ように構成される。
【0006】
本開示の経路探索装置は、コンピュータによって実行される。当該経路探索装置は、車両情報、障害物情報、及び地図情報を取得することを含み、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成することを含み、前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成することを含み、前記候補経路集合は、各車両の前記対象時間窓の間の車両経路を含み、前記車両経路は、前記他の車両経路及び前記障害物経路と競合せず、前記候補経路集合内の前記車両経路の続きのヒューリスティック探索によって前記候補経路集合を評価することを含み、前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択して前記選択した候補経路集合を出力することを含む。
【0007】
本開示の非一時的なコンピュータ可読記憶媒体はプログラムを格納し、当該プログラムはコンピュータに、車両情報、障害物情報、及び地図情報を取得することを実行させ、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各移動障害物の１つ以上の障害物経路を生成することを実行させ、前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成することを実行させ、前記候補経路集合は、各車両の前記対象時間窓の間の車両経路を含み、前記車両経路は、前記他の車両経路及び前記障害物経路と競合せず、前記候補経路集合内の前記車両経路の続きのヒューリスティック探索によって前記候補経路集合を評価することを実行させ、前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択して前記選択した候補経路集合を出力することを実行させる。
【発明の効果】
【0008】
本開示によれば、１つ以上の制御不能の移動障害物が存在する状況下で複数車両のための経路の集合を見つける新規の技術。
【図面の簡単な説明】
【0009】
【図1】実施形態１の経路探索装置の概要を示す。
【図2】経路探索装置の機能構成の一例を示すブロック図である。
【図3】経路探索装置を実現するコンピュータのハードウェア構成の一例を示すブロック図である。
【図4】実施形態１の経路探索装置によって行われる処理の流れを例示するフローチャートである。
【図5】評価部で採用される MCTS の探索木の初期状態を示す。
【図6】評価部で採用される MCTS の第１の例の探索木を示す。
【図7】評価部で採用される MCTS の第２の例の探索木を示す。
【発明を実施するための形態】
【0010】
本開示による実施の形態を、以下で図面を参照して説明する。図面全体を通して同じ要素には同じ符号が割り当てられており、冗長な説明は必要に応じて省略される。また、記憶部は、１つ以上の記憶装置で構成される。
【0011】
実施形態１
＜概要＞
図１は、実施形態１の経路探索装置２０００の概要を示している。図１で示す概要は、経路探索装置２０００を理解しやすくするために経路探索装置２０００の動作の一例を示しており、経路探索装置２０００の可能な動作の範囲を限定したり狭めたりするものではないことに留意されたい。
＜概要＞
図１は、実施形態１の経路探索装置２０００の概要を示している。図１で示す概要は、経路探索装置２０００を理解しやすくするために経路探索装置２０００の動作の一例を示しており、経路探索装置２０００の可能な動作の範囲を限定したり狭めたりするものではないことに留意されたい。
【0012】
経路探索装置２０００は、車両２０の集合の経路計画４０を生成するように動作する。経路計画４０は、経路５０の集合であり、複数の車両２０それぞれのための経路５０を含む。経路５０は、各時点（以下、時点を「時間ステップ」とも呼ぶ）に対して、対応する車両２０の位置を示す時系列データである。各車両２０は、対応する経路５０に沿って対象空間内をその出発位置からその目的位置まで移動するように構成することができる。出発位置及び目的位置は、各車両２０に対して予め定義される。対象空間は、車両２０が移動することができる任意の場所、例えば倉庫や工場である。
【0013】
車両２０は、割り振られた経路に沿って移動するように制御可能な任意の移動物体でありうる。いくつかの実装では、車両２０は、無人搬送車（AGV automatic guided vehicle）、ドローンなどといった、任意の種類の自律移動車両であってもよい。他の実装では、車両２０は、手動で操作される任意の種類の移動物体であってもよい。
【0014】
車両２０間の衝突を回避するために、経路計画４０は、競合しないこと、すなわち、各経路５０が、経路計画４０内のその他の経路５０のいずれとも競合しないことを要求される。また、対象空間には、車両２０だけでなく、人間など、１つ以上の移動障害物も移動しているものとする。したがって、車両２０と移動障害物との間の衝突を回避するために、経路５０は、移動障害物の経路とも競合しないことを要求される。以下では、明確にするために、車両２０の経路及び移動障害物の経路をそれぞれ、「車両経路」及び「障害物経路」と呼ぶ。なお、障害物経路は、移動障害物が移動すると予測される移動障害物の経路である。
【0015】
移動障害物は、経路探索装置２０００の視点から見て制御不能の任意の移動物体である。例えば、移動障害物は、割り振られた経路に沿って移動しない移動物体（例えば人間）である。別の例では、移動障害物は、経路探索装置２０００に対して明かされていない、割り振られた経路に沿って移動する移動物体である。
【0016】
経路探索装置２０００は、WL と表記される所定の長さを有する続きした時間窓の各々の経路計画４０を生成する。対象時間窓の経路計画４０は、その時間窓の開始時刻又はその前に生成される。以下では、経路探索装置２０００が経路計画４０を生成している時間窓を「対象時間窓」と呼ぶ。
【0017】
車両２０の移動開始時刻は０に設定されるものとする。この場合、経路計画４０は、０から WL までの第１の時間窓 W_1、WL から 2*WLまでの第２の時間窓 W2、…、及び (n-1)*WL から n*WL までの第ｎの時間窓 W_n の各々に対して生成される。時間窓 W_n は、最後の車両２０がその目的地に到達する最後の時間窓である。特に明記しない限り、車両２０の移動の開始時刻、すなわち第１の時間窓 W1 の開始時刻は、上述したように０に設定されるものとする。
【0018】
対象時間窓の経路計画４０を生成するために、経路探索装置２０００は以下のように動作する。経路探索装置２０００は、車両情報６０、地図情報７０、及び障害物情報８０を取得する。車両情報６０は、各車両２０の現在位置及び目的位置を示す。車両２０の現在位置は、対象時間窓の開始時における（すなわち、前の時間窓の終わりにおける）車両２０の位置を表す。対象時間窓が第１の時間窓であるとき、現在位置は、車両２０の移動が開始する出発位置に相当する。障害物情報８０は、各移動障害物の位置の履歴を示す。
【0019】
経路探索装置２０００は、地図情報７０及び障害物情報８０を使用して対象時間窓の間の各移動障害物のアクションを予測することにより、対象時間窓の間の移動障害物の障害物経路の１つ以上の集合を生成する。以下では、障害物経路の集合を「障害物経路集合」と呼ぶ。
【0020】
次いで、経路探索装置２０００は、車両情報６０、地図情報７０、及び障害物経路集合に基づいて、経路計画４０の複数の候補を生成する。経路計画４０の候補は、対象時間窓の間の車両２０の車両経路の集合である。以下では、経路計画４０の候補を「候補経路集合」と呼ぶ。各候補経路集合は競合しないように生成される。すなわち、すべての車両２０は、その他の車両２０又は移動障害物と衝突しない。いくつかの実装では、複数の候補経路集合を生成するために、競合ベース探索（CBS: Conflict-based Search）アルゴリズムの変形が使用される。
【0021】
複数の候補経路集合を生成した後、経路探索装置２０００は、複数の候補経路集合を評価する。候補経路集合は、その続きのヒューリスティック探索によって評価される。いくつかの実装では、ヒューリスティック探索にモンテカルロ木探索（MCTS: Monte Carlo Tree Search）アルゴリズムが使用される。
【0022】
経路探索装置２０００は、複数の候補経路集合の評価に基づいて、それらのうちの１つを選択し、選択した候補経路集合を対象時間窓の経路計画４０として出力する。例えば、評価が最も高い候補経路集合が、対象時間窓の経路計画４０として選択される。
【0023】
＜作用効果の例＞
実際の状況では、AGV などの車両は、人間などの制御不能の移動障害物も移動する空間を移動する場合がある。空間の安全のためには、車両が車両同士だけでなく移動障害物とも衝突しないように車両の経路計画を立てることが好ましい。
実際の状況では、AGV などの車両は、人間などの制御不能の移動障害物も移動する空間を移動する場合がある。空間の安全のためには、車両が車両同士だけでなく移動障害物とも衝突しないように車両の経路計画を立てることが好ましい。
【0024】
実施形態１の経路探索装置２０００によれば、制御不能の移動障害物の経路は、移動障害物の位置の履歴に基づいて予測される。次いで、移動障害物の経路を考慮に入れて車両２０の経路が生成される。したがって、車両２０の経路を、車両同士の経路だけでなく移動障害物の経路とも競合しないように生成することができる。移動障害物が人間である場合、そこで活動する人間に安全な環境を提供することができる。
【0025】
より具体的には、経路探索装置２０００は、所定の長さの期間である対象時間窓に対して車両２０の経路の複数の候補を生成する。次いで、複数の候補は、これらの候補の続きのヒューリスティック探索（例えば、MCTS）によって評価され、候補のうちの１つが対象時間窓の経路計画４０として選択される。このようにして、経路探索装置２０００は、より少ない計算時間で好ましい経路計画４０を提供することができる。
【0026】
具体的には、移動物体の予測不可能性のために、すべての車両２０がそれらの目的地に到達するまで競合しないことが保証される経路計画４０を一回生成するには、多くの計算時間を要する。一方、ヒューリスティック探索アルゴリズムは、より少ない計算時間で経路計画４０を生成する可能性があるが、ヒューリスティック探索のみによって生成された経路計画４０は、競合しないことが保証されない。これらの点に関して、経路探索装置２０００は、対象時間窓の間に競合しないことが保証される経路計画４０の候補を生成し、次いでヒューリスティック探索によってそれらを評価するので、より少ない計算時間で、競合しないことが保証される好ましい経路計画４０を生成することができる。
【0027】
以下では、実施形態１の経路探索装置２０００のより詳細な説明を記載する。
【0028】
＜機能構成の例＞
図２は、経路探索装置２０００の機能構成の一例を示している。経路探索装置２０００は、取得部２０２０と、予測部２０４０と、候補生成部２０６０と、評価部２０８０と、出力部２１００とを含む。
図２は、経路探索装置２０００の機能構成の一例を示している。経路探索装置２０００は、取得部２０２０と、予測部２０４０と、候補生成部２０６０と、評価部２０８０と、出力部２１００とを含む。
【0029】
取得部２０２０は、車両情報６０、地図情報７０、及び障害物情報８０を取得する。予測部２０４０は、地図情報７０及び障害物情報８０に基づいて、対象時間窓に対して１つ以上の障害物経路集合を生成する。候補生成部２０６０は、車両情報６０、地図情報７０、及び対象時間窓の障害物経路集合に基づいて、対象時間窓に対して複数の候補経路集合を生成する。評価部２０８０は、候補経路集合の続きのヒューリスティック探索によって候補経路集合を評価する。出力部２１００は、候補経路集合の評価に基づいてそれらのうちの１つを選択し、選択した候補経路集合を対象時間窓の経路計画４０として出力する。
【0030】
＜ハードウェア構成の例＞
経路探索装置２０００は、１つ以上のコンピュータによって実現されてもよい。１つ以上のコンピュータの各々は、経路探索装置２０００を実現するために製造された専用のコンピュータであってもよいし、パーソナルコンピュータ（ＰＣ）、サーバマシン、モバイルデバイスなどの汎用のコンピュータであってもよい。
経路探索装置２０００は、１つ以上のコンピュータによって実現されてもよい。１つ以上のコンピュータの各々は、経路探索装置２０００を実現するために製造された専用のコンピュータであってもよいし、パーソナルコンピュータ（ＰＣ）、サーバマシン、モバイルデバイスなどの汎用のコンピュータであってもよい。
【0031】
経路探索装置２０００は、コンピュータにアプリケーションをインストールすることによって実現されてもよい。アプリケーションは、コンピュータを経路探索装置２０００として機能させるプログラムによって実現される。換言すれば、プログラムは、経路探索装置２０００の機能部の実装である。
【0032】
図３は、経路探索装置２０００を実現するコンピュータ１０００のハードウェア構成の一例を示すブロック図である。図３において、コンピュータ１０００は、バス１０２０と、プロセッサ１０４０と、メモリ１０６０と、ストレージデバイス１０８０と、入出力インターフェース１１００と、ネットワークインターフェース１１２０とを含む。
【0033】
バス１０２０は、プロセッサ１０４０と、メモリ１０６０と、ストレージデバイス１０８０と、入出力インターフェース１１００と、ネットワークインターフェース１１２０とが、相互にデータを送受信するためのデータ伝送チャネルである。プロセッサ１０４０は、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、FPGA（Field-Programmable Gate Array）などのプロセッサである。メモリ１０６０は、RAM（Random Access Memory）やROM（Read Only Memory）などの主記憶要素である。ストレージデバイス１０８０は、ハードディスク、SSD（Solid State Drive）、メモリカードなどの補助記憶要素である。入出力インターフェース１１００は、コンピュータ１０００と、キーボード、マウス、ディスプレイ装置などの周辺デバイスとの間のインターフェースである。ネットワークインターフェース１１２０は、コンピュータ１０００とネットワークとの間のインターフェースである。ネットワークは、LAN（Local Area Network）であってもよいし、WAN（Wide Area Network）であってもよい。
【0034】
ストレージデバイス１０８０は、上述のプログラムを記憶してもよい。ＣＰＵ１０４０は、プログラムを実行して、経路探索装置２０００の各機能部を実現する。
【0035】
コンピュータ１０００のハードウェア構成は、図３に示す構成に限定されない。例えば、上述したように、経路探索装置２０００は、複数のコンピュータによって実現されてもよい。この場合、それらのコンピュータは、ネットワークを介して互いに接続されていてもよい。
【0036】
＜処理の流れ＞
図４は、実施形態１の経路探索装置２０００によって行われる処理の全体的な流れを例示するローチャートである。なお、経路探索装置２０００によって行われる処理の流れは、図４に示すものに限定されない。
図４は、実施形態１の経路探索装置２０００によって行われる処理の全体的な流れを例示するローチャートである。なお、経路探索装置２０００によって行われる処理の流れは、図４に示すものに限定されない。
【0037】
取得部２０２０は、地図情報７０を取得する（Ｓ１０２）。ステップＳ１０４からステップＳ１１６は、すべての車両２０が目的地に到達するまで時間窓 Wi ごとに行われるループ処理Ｌ１を構成する。なお、ｉは、ループ処理Ｌ１の現在のイテレーションのインデックスを表す。ループ処理Ｌ１の各イテレーションについて、時間窓 Wi は対象時間窓である。
【0038】
ステップＳ１０４において、経路探索装置２０００は、すべての車両２０が前の時間窓の経路計画４０におけるそれらの目的地に到達したか否かを判定する。すべての車両２０が前の時間窓の経路計画４０における目的地に到達した場合、ループ処理Ｌ１の実行は終了し、したがって図４に示す処理は終了する。一方、前の時間窓の経路計画４０における目的地に到達していない１つ以上の車両２０がある場合、ループ処理Ｌ１の次のイテレーションが行われる。
【0039】
取得部２０２０は、車両情報６０及び障害物情報８０を取得する（Ｓ１０６）。予測部２０４０は、地図情報７０及び障害物情報８０に基づいて、時間窓 Wi（すなわち、対象時間窓）に対して１つ以上の障害物経路集合を生成する（Ｓ１０８）。候補生成部２０６０は、車両情報６０、地図情報７０、及び時間窓 Wi の障害物経路集合に基づいて、時間窓 Wi に対して複数の候補経路集合を生成する（Ｓ１１０）。評価部２０８０は、候補経路集合の続きのヒューリスティック探索によって時間窓 Wi の候補経路集合を評価する（Ｓ１１２）。出力部２１００は、候補経路集合の評価に基づいてそれらのうちの１つを選択し、選択した候補経路集合を時間窓 Wi の経路計画４０として出力する（Ｓ１１４）。
【0040】
ステップＳ１１６は、ループ処理Ｌ１の終了である。したがって、次にステップＳ１０４が行われる。
【0041】
＜地図情報７０の取得：Ｓ１０２＞
取得部２０２０は、地図情報７０を取得する（Ｓ１０２）。地図情報７０は、対象空間の地図を表す。理論的には、地図は、グラフ G=(V,E) を表してもよく、式中、V は頂点の集合であり、E はエッジの集合である。頂点は位置を表し、エッジは位置間の接続を表す。
取得部２０２０は、地図情報７０を取得する（Ｓ１０２）。地図情報７０は、対象空間の地図を表す。理論的には、地図は、グラフ G=(V,E) を表してもよく、式中、V は頂点の集合であり、E はエッジの集合である。頂点は位置を表し、エッジは位置間の接続を表す。
【0042】
対象空間の地図を実装する様々な方法がある。いくつかの実装では、地図は、二次元（2D）又は三次元（3D）のグリッドマップとして実装される。この場合、各位置は、グリッドマップ内のセルによって表される。また、位置間の各接続は、グリッドマップ内のセル間の接続によって表される。
【0043】
地図情報７０はまた、壁、棚などといった各静止障害物の位置を指示してもよい。各障害物は、少なくとも車両２０の移動中に恒久的に占有される１つ以上の位置（例えば、グリッドマップのセル）によって定義される。
【0044】
地図情報７０を取得する様々な方法があってもよい。例えば、地図情報７０は、経路探索装置２０００がアクセスできる記憶部に予め記憶されている。この場合、取得部２０２０は、記憶部から地図情報７０を取得する。別の例では、取得部２０２０は、別のコンピュータから送信される地図情報７０を受信することによって地図情報７０取得してもよい。
【0045】
＜車両情報６０の取得：Ｓ１０６＞
取得部２０２０は、車両情報６０を取得する（Ｓ１０６）。車両情報６０は、各車両２０の現在位置及び目的位置を示す。対象時間窓が第１の時間窓 W1 である場合、車両２０の現在位置は、車両２０の移動が開始するその出発位置に相当する。それ以外の場合、車両２０の現在位置は、前の時間窓の経路計画４０によって指示された車両２０の最後の位置に相当する。
取得部２０２０は、車両情報６０を取得する（Ｓ１０６）。車両情報６０は、各車両２０の現在位置及び目的位置を示す。対象時間窓が第１の時間窓 W1 である場合、車両２０の現在位置は、車両２０の移動が開始するその出発位置に相当する。それ以外の場合、車両２０の現在位置は、前の時間窓の経路計画４０によって指示された車両２０の最後の位置に相当する。
【0046】
なお、車両２０の目的位置はすべての時間窓において共通であるため、取得２０２０が、最初のイテレーションを除くループ処理Ｌ１のイテレーションごとに経路探索装置２０００の外部から目的位置を入手する必要はない。したがって、いくつかの実装では、取得２０２０は、ループ処理Ｌ１の最初のイテレーションで経路探索装置２０００に（例えば、ストレージデバイス１０８０に）車両２０の目的位置をキャッシュし、その他のイテレーションではキャッシュから入手してもよい。この場合、車両情報６０は、ループ処理Ｌ１の最初のイテレーションを除いて、車両２０の目的位置を含むことを要求されない。
【0047】
取得部２０２０は、上述の地図情報７０を取得するためのやり方と同様のやり方で車両情報６０を取得してもよい。
【0048】
＜障害物情報８０の取得：Ｓ１０６＞
ステップＳ１０６において、取得部２０２０は、障害物情報８０を取得する。障害物情報８０は、対象空間を移動する移動障害物の位置の履歴を含む。移動障害物の位置の履歴は、移動障害物の位置の時系列データ（例えば、時間ステップと移動障害物の位置のペア）によって表すことができる。
ステップＳ１０６において、取得部２０２０は、障害物情報８０を取得する。障害物情報８０は、対象空間を移動する移動障害物の位置の履歴を含む。移動障害物の位置の履歴は、移動障害物の位置の時系列データ（例えば、時間ステップと移動障害物の位置のペア）によって表すことができる。
【0049】
障害物情報８０は、様々な方法で生成することができる。例えば、障害物情報８０は、対象空間を捕捉するために設置されたカメラによって生成されたビデオデータを解析することによって生成することができる。別の例では、障害物情報８０は、移動障害物に取り付けられるか又は移動障害物によって保持されたセンサデバイス（GPS（Global Positioning System）センサなど）から位置情報を繰り返し入手することによって生成することができる。移動障害物が人である場合、センサは、その人のモバイルデバイス、スマートフォンなどにインストールされた GPS センサであってもよい。
【0050】
＜障害物経路集合の生成：Ｓ１０８＞
予測部２０４０は、対象時間窓の障害物情報８０及び地図情報７０に基づいて、対象時間窓 Wi に対して１つ以上の障害物経路集合を生成する（Ｓ１０８）。障害物経路集合を生成するために、予測部２０４０は、障害物情報８０に基づいて、対象時間窓の間の移動障害物の移動を予測する。
予測部２０４０は、対象時間窓の障害物情報８０及び地図情報７０に基づいて、対象時間窓 Wi に対して１つ以上の障害物経路集合を生成する（Ｓ１０８）。障害物経路集合を生成するために、予測部２０４０は、障害物情報８０に基づいて、対象時間窓の間の移動障害物の移動を予測する。
【0051】
物体の位置の履歴に基づいて物体の移動を予測する様々な周知の方法があり、それらのうちのいずれかを採用して移動障害物の移動を予測することができる。いくつかの実装では、予測部２０４０は、物体の動きをシミュレートして予測するモーションシミュレータ（以下、「障害物モーションシミュレータ」と呼ぶ）を使用する。障害物モーションシミュレータは、移動障害物がランダムに移動することになっているランダムシミュレータであってもよい。また、経路ベースのモデルや何らかの他のルールベースのモデルなど、他のモデルが障害物モーションシミュレータにおいて適用されてもよい。
【0052】
予測部２０４０は、移動障害物の経路を予測するために、障害物モーションシミュレータを呼び出して、障害物情報８０によって示される移動障害物の位置の履歴に基づいて所定の回数のシミュレーションを行ってもよい。次いで、移動障害物ごとに、予測部２０４０は、訪問回数が最も多い経路をその移動障害物の障害物経路として選択してもよい。選択された障害物経路の集合は、障害物経路集合として使用される。
【0053】
予測部２０４０が移動障害物ごとに N 個の障害物経路（N>1）を生成したとき、予測部２０４０は、移動障害物ごとに、訪問回数に関して上位 N 個の経路を、その移動障害物の障害物経路として選択してもよい。次いで、予測部２０４０は、移動障害物の障害物経路を組み合わせることによって、複数の障害物経路集合を生成する。予測部２０４０は、K 個の移動障害物がある場合に、最大で N^K 個の障害物経路集合を得ることができる。
【0054】
＜候補経路集合の提供：Ｓ１１０＞
候補生成部２０６０は、対象時間窓に対して複数の候補経路集合を生成する（Ｓ１１０）。対象時間窓の候補経路集合は、対象時間窓の経路計画４０の候補である。候補経路集合は、各車両２０の対象時間窓の間の車両経路を含む。候補経路集合内の車両経路は、互いに競合しない。また、候補経路集合内の車両経路は、対象時間窓の障害物経路集合内の障害物経路とも競合しない。
候補生成部２０６０は、対象時間窓に対して複数の候補経路集合を生成する（Ｓ１１０）。対象時間窓の候補経路集合は、対象時間窓の経路計画４０の候補である。候補経路集合は、各車両２０の対象時間窓の間の車両経路を含む。候補経路集合内の車両経路は、互いに競合しない。また、候補経路集合内の車両経路は、対象時間窓の障害物経路集合内の障害物経路とも競合しない。
【0055】
いくつかの実装では、候補生成部２０６０は、互いに競合しないことが保証される複数車両の経路を見つけることができる決定論的アルゴリズム（換言すれば、MAPF 問題を解決する決定論的アルゴリズム）を行う。複数車両に対して競合しない経路を生成する様々な決定論的アルゴリズムがある。例えば、候補生成部２０６０は、変形された CBS アルゴリズムを行ってもよい。オリジナルの CBS は非特許文献２に開示されている。以下では、オリジナルの CBS を「オリジナル CBS」と呼び、経路探索装置２０００で採用されている変形された CBS を「バリアント CBS」と呼ぶ。
【0056】
CBS は、高レベル探索と低レベル探索とに分割された、２レベル探索アルゴリズムである。高レベル探索は、「制約木（CT：constraint tree）」と呼ばれる二分探索木を使用して行われる。CT の各ノードは、（１）その親ノードで行われた低レベル探索によって検出された競合に関連する時間制約及び位置制約、（２）当該ノード及びその先祖によって示されるすべての制約を満たす単一の候補解（すなわち、すべての車両の経路の候補集合）、及び（３）オリジナル CBS 内のすべての車両の総経路持続時間の和である解の評価、を含む。オリジナル CBS では、CT のルートノードは、制約の空集合を含む。
【0057】
ノードに含まれる制約は、どの車両がどの時刻にどの位置を占有することを禁止されるかを示す。例えば、車両Ａ１と車両Ａ２とが、時刻Ｔ１に位置Ｌ１で互いに競合することが検出される。この場合、競合を回避するために、「車両Ａ１は、時刻Ｔ１に位置Ｌ１を占有してはならない」という制約、又は「車両Ａ２は、時刻Ｔ１に位置Ｌ１を占有してはならない」という制約が採用され得る。
【0058】
CT の各ノードについて、経路が再計画されなければならない車両に対して低レベル探索が呼び出される。オリジナル CBS では、現在のノード及びその先祖によって示される制約を満たしながら車両の新しい経路を見つける経路計画アルゴリズムとして A* 探索アルゴリズムが採用される。しかしながら、バリアント CBS では低レベル探索に使用される経路探索アルゴリズムは A* 探索アルゴリズムに限定されない。
【0059】
バリアント CBS は、少なくとも以下の３点、すなわち、（１）障害物経路集合に基づく制約が CT のルートノードに含まれること、（２）すべての競合ではなく、対象時間窓の間の競合が解消されるべきであること、及び（３）複数の解が出力されること、においてオリジナル CBS と異なる。以下では、これらの点について詳細に説明する。
【0060】
＜＜（１）障害物経路集合に基づく制約＞＞
車両２０と移動障害物との間の競合を回避するために、バリアント CBS は、障害物経路集合を考慮に入れて車両２０の経路の集合を探索することを要求される。具体的には、移動障害物の障害物経路を使用して、その移動障害物との衝突を回避するための制約を生成することができる。例えば、移動障害物が時刻Ｔ１において位置Ｌ１に位置する場合、どの車両２０も時刻Ｔ１に位置Ｌ１を占有することを許されない。
車両２０と移動障害物との間の競合を回避するために、バリアント CBS は、障害物経路集合を考慮に入れて車両２０の経路の集合を探索することを要求される。具体的には、移動障害物の障害物経路を使用して、その移動障害物との衝突を回避するための制約を生成することができる。例えば、移動障害物が時刻Ｔ１において位置Ｌ１に位置する場合、どの車両２０も時刻Ｔ１に位置Ｌ１を占有することを許されない。
【0061】
したがって、候補生成部２０６０は、対象時間窓の障害物経路集合に含まれる障害物経路に基づいて、移動障害物との衝突を回避するための制約を生成し、生成した制約をバリアント CBS の CT に追加する。すべての車両２０が移動障害物との衝突を回避しなければならないため、移動障害物との衝突を回避するための制約はすべての車両２０において共通である。したがって、移動障害物との衝突を回避するための制約は CT のルートノードに追加される。
【0062】
＜＜（２）対象時間窓の間の競合の解消＞＞
オリジナル CBS は、すべての車両２０の全移動中に発生したすべての競合を検出し、検出した競合を回避するための制約を CT のノードに追加する。しかしながら、候補経路集合内の車両経路は、すべての車両２０がそれらの目的地に到達するまで競合しないことを要求されず、対象時間窓の間に競合しないことを要求される。
オリジナル CBS は、すべての車両２０の全移動中に発生したすべての競合を検出し、検出した競合を回避するための制約を CT のノードに追加する。しかしながら、候補経路集合内の車両経路は、すべての車両２０がそれらの目的地に到達するまで競合しないことを要求されず、対象時間窓の間に競合しないことを要求される。
【0063】
したがって、バリアント CBS は、対象時間窓の間に発生した競合を検出し、検出した競合を回避するための制約をＣＴのノードに追加することにより、少なくとも対象時間窓の間には競合しない車両経路を生成する。対象時間窓後の競合を考慮に入れないことにより、バリアント CBS は、少なくとも対象時間窓の間には競合しない車両経路を、車両経路の終了まで競合しない車両経路を生成する場合より少ない計算時間で生成することができる。
【0064】
＜＜複数の解の出力＞＞
オリジナル CBS は、移動障害物などの制御不能の障害物がないという仮定の下で、単一の最適解を出力する。一方、バリアント CBS は、制御不能の障害物を考慮に入れて解を評価するために複数の解を出力するように形成される。具体的には、バリアント CBS は、互いに異なる解を提供する複数の CT を生成することにより、複数の解を提供する。各 CT のルートノードでは、「各車両の経路は、その車両について異なる CT のルートノードで生成されるその車両のどんな経路とも、異なっていなければならない」という制限の下で車両の経路の初期集合を生成するために、低レベル探索が呼び出される。なお、障害物経路集合に基づく制約は、すべての CT と共有される。
オリジナル CBS は、移動障害物などの制御不能の障害物がないという仮定の下で、単一の最適解を出力する。一方、バリアント CBS は、制御不能の障害物を考慮に入れて解を評価するために複数の解を出力するように形成される。具体的には、バリアント CBS は、互いに異なる解を提供する複数の CT を生成することにより、複数の解を提供する。各 CT のルートノードでは、「各車両の経路は、その車両について異なる CT のルートノードで生成されるその車両のどんな経路とも、異なっていなければならない」という制限の下で車両の経路の初期集合を生成するために、低レベル探索が呼び出される。なお、障害物経路集合に基づく制約は、すべての CT と共有される。
【0065】
車両Ｖ１の経路を生成するために第ｉの CT のルートノードにおいて低レベル探索が呼び出されるとする。この場合、車両Ｖ１は、第１の CT から第（i-1）の CT のルートノードにおいて生成される車両Ｖ１のいかなる経路も訪問することを禁止される。
【0066】
候補生成部２０６０は、バリアント CBS から出力された複数の解の各々を候補経路集合に変換する。バリアント CBS の解における車両２０の車両経路は、車両２０がその目的地に到達するまでの車両２０の位置を示し、候補経路集合における車両２０の車両経路は、対象時間窓の間の車両２０の位置を示す。したがって、各車両２０について、候補生成部２０６０は、候補経路集合に含まれる車両の車両経路を生成するために、バリアント CBS の解に含まれる車両２０の車両経路から対象時間窓の終了後の車両２０の位置を除去し得る。
【0067】
＜候補経路集合の評価：Ｓ１１２＞
評価部２０８０は、候補経路集合内の車両経路の続きのヒューリスティック探索によって、候補経路集合を評価する。例えば、MCTS に分類されるヒューリスティック探索アルゴリズムが、候補経路集合を評価するために採用されてもよい。
評価部２０８０は、候補経路集合内の車両経路の続きのヒューリスティック探索によって、候補経路集合を評価する。例えば、MCTS に分類されるヒューリスティック探索アルゴリズムが、候補経路集合を評価するために採用されてもよい。
【0068】
MCTS は、「可能なアクションのうちのどれが次のステップで選択されるべきか」という問題を解決するために、囲碁やチェスなどのゲームに適用されている。この目的のために、MCTS は、ルートノードとルートノードの複数の子ノードとを有する探索木を生成する。ルートノードは、現在の状態を表す。ルートノードとその子ノードとの間の各エッジは、可能な次のアクションのうちの１つを表す。ルートノードの子ノードは、その親エッジによって表されるアクションが取られた後の状態を表す。次いで、MCTS は、１）選択ステップ、２）展開ステップ、３）ロールアウトステップ、及び４）逆伝播ステップのセットを繰り返し行うことによって探索木を繰り返し展開して、可能な次のアクションの各々を評価する。
【0069】
選択ステップは、展開されるべきノード（換言すれば、新しい子ノードが付加されるノード）を選択するステップである。展開ステップは、新しい子ノードを生成して選択ノードに付加するステップである。ロールアウトステップは、新しい子ノードからランダムロールアウトを実行するステップである。逆伝播ステップは、新しい子ノードに評価スコアを割り当て、ロールアウトの結果に基づいて新しい子ノードの先祖の評価スコアを更新するステップである。
【0070】
経路探索装置２０００の場合、対象時間窓の各候補経路集合は、次の時間窓に対する車両２０の可能なアクションの集合を記述し、MCTS のコンテキストにおける次のステップの可能なアクションとして扱うことができる。したがって、評価部２０８０は、「候補経路集合のうちのどれが次の時間窓の経路計画４０として選択されるべきか」という問題を表す探索木で MCTS を行うことによって、複数の候補経路集合を評価する。なお、車両２０及び移動障害物のアクションは、待機及び可能な移動（例えば、2D グリッドマップにおける上下左右の移動）を含み得る。以下では、車両２０及び移動障害物をまとめて「エンティティ」と呼ぶ。
【0071】
図５は、評価部２０８０で採用されている MCTS の探索木の初期状態を示している。探索木１３０は、ルートノード１３１、エッジ１３２、ノード１３３、エッジ１３４、及びノード１３５を含む。ルートノード１３１は、車両情報６０及び障害物情報８０によって定義することができる現在の状態を表す。
【0072】
初期状態の探索木１３０は２つの層に分割されており、第１の層は障害物経路集合の選択を表し、第２の層は候補経路集合の選択を表す。エッジ１３２は、対象時間窓の障害物経路集合に相当する、対象時間窓の間に移動障害物によって取られる可能なアクションの集合を表す。図５では、第ｉの障害物経路集合を OPSi と表記している。ノード１３３は、親エッジ１３２によって表されるアクションが取られた後の状態を表す。障害物経路集合 OPSi によって表されるアクションが取られた後の状態を、図５では Si と表記している。
【0073】
エッジ１３４は、対象時間窓の候補経路集合に相当する、対象時間窓の間に車両２０によって取られる可能なアクションの集合を表す。図５では、第ｉの障害物経路集合の下の第ｊの候補経路集合を CPSi-j と表記している。ノード１３５は、親エッジ１３４によって表されるアクションが取られた後の状態を表す。候補経路集合 CPSi-j によって表されるアクションが取られた後の状態を、図５では Si-j と表記している。
【0074】
探索木１３０を初期設定した後、評価部２０８０は、ノード１３５から探索木１３０を展開することによってエンティティの将来のアクションの様々なパターンをヒューリスティックに探索し、探索木の各ノードの評価スコア（例えば、上側信頼木（UCT：Upper Confidence Tree））を計算してアクションの各パターンを評価する。以下では、MCTS によって候補経路集合を評価する２つの方法例について説明する。
【0075】
＜＜MCTS の第１の例＞＞
図６は、評価部２０８０で採用されている MCTS の第１の例の探索木を示している。この例では、対象時間窓の開始時刻及び時間窓の長さを、それぞれ、Ts 及び WL と表記している。探索木１３０は、単一の時間ステップにおけるすべての移動障害物又はすべての車両２０のアクションの集合を表すエッジ１３６を付加することによって展開される。この特徴を明確にするために、図６では、探索木１３０は、各々が単一の時間ステップに対応する層１４０に分割されている。また、層１４０は、２つの副層１４１、１４２に分割されている。副層１４１内のエッジ１３６は、対応する時間ステップにおいてすべての移動障害物によって取られたアクションの集合を表し、副層１４２内のエッジ１３６は、対応する時間ステップにおいてすべての車両２０によって取られたアクションの集合を表す。なお、副層１４１、１４２の順序は入れ替え可能であってもよい。ノード１３７は、その親エッジ１３６によって表されるアクションが取られた後の状態を表す。
図６は、評価部２０８０で採用されている MCTS の第１の例の探索木を示している。この例では、対象時間窓の開始時刻及び時間窓の長さを、それぞれ、Ts 及び WL と表記している。探索木１３０は、単一の時間ステップにおけるすべての移動障害物又はすべての車両２０のアクションの集合を表すエッジ１３６を付加することによって展開される。この特徴を明確にするために、図６では、探索木１３０は、各々が単一の時間ステップに対応する層１４０に分割されている。また、層１４０は、２つの副層１４１、１４２に分割されている。副層１４１内のエッジ１３６は、対応する時間ステップにおいてすべての移動障害物によって取られたアクションの集合を表し、副層１４２内のエッジ１３６は、対応する時間ステップにおいてすべての車両２０によって取られたアクションの集合を表す。なお、副層１４１、１４２の順序は入れ替え可能であってもよい。ノード１３７は、その親エッジ１３６によって表されるアクションが取られた後の状態を表す。
【0076】
上述したように、MCTS は、選択ステップ、展開ステップ、ロールアウトステップ、及び逆伝播ステップのセットを繰り返し行う。MCTS の第１の例の選択ステップにおいて、ノードは評価スコアに基づいて選択される。具体的には、評価部２０８０は、ルートノードから開始して、探索木１３０のリーフノードに到達するまでの連続した子ノードを選択し、選択したリーフノードを展開されるべきノードとして扱う。探索木１３０の各階層において、評価部２０８０は、評価スコアが最も大きいノードを選択する。
【0077】
なお、選択ステップの最初の実行に関しては、展開されるべきノードは評価スコアなしで選択され得る。例えば、評価部２０８０は、ノード１３５のうちの１つをランダムに選択してもよい。別の例では、バリアント CBS においてスコアが最も大きい解から生成されたノード１３５が、展開されるべきノードとして選択され得る。
【0078】
展開ステップにおいて、評価部２０８０は、新しいエッジ１３６及び新しいノード１３７を生成し、それらを展開されるべきノードに付加する。新しいエッジ１３６が副層１４１に対して生成される場合、評価部２０８０は、すべての移動障害物のアクションの集合を表す新しいエッジ１３６を生成する。一方、新しいエッジ１３６が副層１４２に対して生成される場合、評価部２０８０は、すべての車両２０のアクションの集合を表す新しいエッジ１３６を生成する。
【0079】
評価部２０８０は、各エンティティに対して（すなわち、各移動障害物に対して、又は各車両２０に対して）アクションの種類を決定することによって、新しいエッジ１３６に割り当てるべきアクションの集合を生成する。アクションの種類は、各エンティティの可能なアクションからランダムに選択されてもよい。しかしながら、新しいエッジ１３６に割り当てられるアクションの集合は、その兄弟エッジ、すなわち、新しいエッジ１３６と親ノードを共有するエッジ１３６に既に割り当てられているアクションのどんな集合とも異ならなければならない。可能なアクションは、展開されるべきノードによって示されるエンティティの位置及び地図情報７０によって示される地図に基づいて決定することができる。可能なアクションがエンティティの種類に依存する場合、その新しいエッジ１３６が生成されるエンティティの種類も、可能なアクションを決定するために考慮に入れられる。
【0080】
評価部２０８０は、その親ノード（すなわち、展開されるべきノード）によって表される状態及び新しいエッジ１３６によって表されるアクションに基づいて、新しいノード１３７を生成する。具体的には、ノード１３７によって表されるべき状態は、新しいエッジ１３６によって表されるアクションに従って、エンティティの位置を親ノードによって示される位置から変更することによって生成され得る。
【0081】
ロールアウトステップにおいて、評価部２０８０は、すべての車両２０の移動が終了するまで、新しいノード１３７からのランダムなロールアウトを行う。なお、すべての車両２０の移動は、すべての車両２０がそれらの目的地に到達したとき、又はデッドロックが発生したときに終了し得る。ロールアウトでは、評価部２０８０は、エンティティごとに順に、可能なアクションからのアクションのランダムな選択を繰り返し行い得る。
【0082】
逆伝播ステップにおいて、評価部２０８０は、新しいノード１３７に評価スコアを割り当て、新しいノード１３７の各先祖（ノード１３３及び１３５を含む）の評価スコアを更新する。経路探索装置２０００において、評価スコアは、車両経路の集合が車両２０を制御するのにどれだけ適しているかを表すように定義されうる。
【0083】
評価スコアは、メイクスパンや総時間など、車両経路の集合のコストを反映するように定義されてもよい。経路の集合のメイクスパンは、すべての車両２０がそれらの目的地に到達するのに必要な時間（換言すれば、すべての最長車両経路の長さ）である。一方、経路の集合の総時間は、各車両２０がその目的地に到達するのに必要な時間の合計（換言すれば、すべての車両２０の車両経路の合計長）である。また、評価スコアは、競合及びデッドロックの発生を反映するように定義されてもよい。
【0084】
いくつかの実施の形態では、評価スコアは、以下のように UCT の変形として定義される。
式中、ｉは、ノードのインデックスを表し、UCT_i は、インデックスがｉのノード（以下、「ノードｉ」と表記する）の UCT を表し、Q_i は、ノードｉからのロールアウトに対する報酬の合計を表し、n_i は、ノードｉ又はその子孫から行われたロールアウトの数を表し、ｃは、第２の項の重みを表し、N_i は、ノード n_i の親から行われたロールアウトの総数を表す。
【数1】
【0085】
報酬は、上述の要因、例えば、コスト、競合、デッドロックを反映するように定義され得る。具体的には、報酬は、コストが小さくなるほど大きくなるように定義され得る。報酬は、競合の数が多くなるほど小さくなるように定義され得る。デッドロックが発生した場合の報酬は、デッドロックが発生しなかった場合の報酬よりも小さくなるように定義され得る。
【0086】
MCTS は、所定の終了条件が満たされるまで、選択ステップから逆伝播ステップまでのセットを繰り返し行う。次いで、評価部２０８０は、MCTS による評価の結果として、各々が候補経路集合のうちの１つに対応するノード１３５の評価スコアを入手する。
【0087】
MCTS を終了させる様々な周知の条件があってもよく、それらの条件のうちの１つ以上を、評価部２０８０によって行われる MCTS の第１の例に採用することができる。例えば、終了条件は、「ステップのセットを所定の回数実行すること」又は「MCTS の実行を開始した後、所定の長さの期間が満了すること」であってもよい。
【0088】
＜＜MCTS の第２の例＞＞
図７は、評価部２０８０で採用されている MCTS の第２の例の探索木を示している。このアルゴリズムは、展開ステップにおける展開の単位が MCTS の第１の例とは異なる。MCTS の第１の例における展開の単位は「単一の時間ステップにおけるすべての移動障害物又はすべての車両２０の単一のアクション」である。したがって、展開ステップで追加された各エッジ１３６が表すのは、単一の時間ステップにおけるすべての移動障害物又はすべての車両２０のアクションの集合である。一方、MCTS の第２の例における展開の単位は「時間窓の間のすべての移動障害物又はすべての車両２０のアクションの集合」である。したがって、展開ステップで追加された各エッジ１３８が表すのは、時間窓の間のすべての移動障害物又はすべての車両２０のアクションの集合である。なお、MCTS の第２の例の探索木１３０と MCTS の第１の例の探索木１３０とを区別するために、MCTS の第２の例の探索木においてノード１３５の下に追加されるエッジ及びノードを、それぞれ、「エッジ１３８」及び「ノード１３９」と表記する。
図７は、評価部２０８０で採用されている MCTS の第２の例の探索木を示している。このアルゴリズムは、展開ステップにおける展開の単位が MCTS の第１の例とは異なる。MCTS の第１の例における展開の単位は「単一の時間ステップにおけるすべての移動障害物又はすべての車両２０の単一のアクション」である。したがって、展開ステップで追加された各エッジ１３６が表すのは、単一の時間ステップにおけるすべての移動障害物又はすべての車両２０のアクションの集合である。一方、MCTS の第２の例における展開の単位は「時間窓の間のすべての移動障害物又はすべての車両２０のアクションの集合」である。したがって、展開ステップで追加された各エッジ１３８が表すのは、時間窓の間のすべての移動障害物又はすべての車両２０のアクションの集合である。なお、MCTS の第２の例の探索木１３０と MCTS の第１の例の探索木１３０とを区別するために、MCTS の第２の例の探索木においてノード１３５の下に追加されるエッジ及びノードを、それぞれ、「エッジ１３８」及び「ノード１３９」と表記する。
【0089】
MCTS の第２の例の探索木１３０は、各々が単一の時間窓に対応する複数の層１４３を含む。また、層１４３は、２つの副層１４４、１４５に分割されている。副層１４４内のエッジ１３８は、対応する時間窓においてすべての移動障害物によって取られたアクションの集合を表し、副層１４５内のエッジ１３８は、対応する時間窓においてすべての車両２０によって取られたアクションの集合を表す。
【0090】
詳細に後述するように、副層１４５内のエッジ１３８によって表されるアクションの集合は、経路が互いに競合しなくなるように決定される。したがって、MCTS の第２の例によれば、単一の時間窓よりも長い期間の間競合しないことが保証される様々なパターンの経路を探索することができる。一方、MCTS の第１の例によれば、MCTS の第２の例より少ない計算時間で様々なパターンの経路を探索することができる。
【0091】
以下では、MCTS の第２の例によって行われる選択ステップから逆伝播ステップの各々について詳細に説明する。説明を容易にするために、選択ステップの前に展開ステップについて説明する。
【0092】
展開ステップにおいて、MCTS の第２の例は、選択ステップで選択されたリーフノードに新しいエッジ１３８及び新しいノード１３９を付加することによって探索木１３０を展開する。新しいエッジ１３８を生成するために、評価部２０８０は、選択ステップで選択されたリーフノードに対応する時間窓の後に続く時間窓（以下、「展開された時間窓」と呼ぶ）の間に、すべての移動障害物又はすべての車両２０のアクションの集合を決定する。
【0093】
評価部２０８０は、予測部２０４０が対象時間窓に対して障害物経路集合を生成する方法と同様の方法で、展開された時間窓に対してすべての移動障害物のアクションの集合を決定する。具体的には、新しいエッジ１３８を副層１４４に追加するときに、評価部２０８０は、上述の障害物シミュレータを使用してすべての移動障害物のアクションの集合を生成し得る。移動障害物の位置の履歴は、展開されるべきノード及びその先祖によって表される。
【0094】
評価部２０８０は、候補生成部２０６０が対象時間窓に対して候補経路集合を生成する方法と同様の方法で、展開された時間窓に対してすべての車両２０のアクションの集合を決定する。具体的には、新しいエッジ１３８を副層１４５に追加するときに、評価部２０８０は、上述のバリアント CBS を用いてすべての車両２０のアクションの集合を生成し得る。車両２０の現在位置は、展開されるべきノードによって表される。障害物経路集合は、展開されるべきノードの親エッジによって表される。以下では、評価部２０８０によって生成される車両２０の経路の集合を、候補経路集合と区別するために「車両経路集合」と呼ぶ。
【0095】
なお、上述したように、バリアント CBS は複数の車両経路集合を生成する。したがって、評価部２０８０は、バリアント CBS によって生成された車両経路集合のうちの１つを選択し、それを新しいエッジ１３８に割り当てる。その他の車両経路集合は、将来の使用のために展開されるべきノードと関連付けて保持される。具体的には、新しいノード１３８が副層１４５に追加されるイテレーションの選択ステップにおいて、評価部２０８０は、展開されるべきノードと関連付けられおり、かつ、新しいエッジ１３８にまだ割り当てられていない車両経路集合があるか否かを判定する。
【0096】
新しいエッジ１３８にまだ割り当てられていない車両経路集合がある場合、評価部２０８０は、それらの車両経路集合と関連付けられているノードを、選択ステップで展開されるべきノードとして選択し、それらの車両経路集合のうちの１つを選択して、展開ステップで選択された車両経路集合を表す新しいノード１３８を生成する。そうでない場合、評価部２０８０は、選択ステップにおいて、ノードの評価スコアに基づいて、展開されるべきリーフノードを選択する。
【0097】
また、新しいエッジ１３８が副層１４４に追加されるときに、評価部２０８０は、選択ステップにおいて、ノードの評価スコアに基づいて、展開されるべきリーフノードを選択する。
【0098】
新しいエッジ１３８を生成した後、評価部２０８０は、新しいノード１３９を生成し、新しいエッジ１３８及び新しいノード１３９を展開されるべきノードに付加する。新しいノード１３９は、新しいノード１３７を生成する方法と同じ方法で生成されてもよい。
【0099】
ロールアウトステップ及び逆伝播ステップに関して、MCTS の第２の例は、MCTS の第１の例と同じやり方で機能する。具体的には、ロールアウトステップにおいて、MCTS の第２の例は、ロールアウトがその終了に到達するまで、新しいノード１３９からのランダムなロールアウトを行い、当該ロールアウトの中では、各エンティティのアクションが順にランダムに選択される。次いで、逆伝播ステップにおいて、MCTS の第２の例は、新しいノード１３９に評価スコアを割り当て、新しいノード１３９の先祖の評価スコアを更新する。MCTS の第２の例における評価スコアの定義は、MCTS の第１の例における定義と同じであってもよい。
【0100】
MCTS の第２の例は、所定の条件が満たされるまで、選択ステップから逆伝播ステップまでのセットを繰り返し行う。この所定の条件は、MCTS の第１の例で採用されている条件と同じであってもよい。
【0101】
＜経路計画４０の出力：Ｓ１１４＞
出力部２１００は、候補経路集合の評価に基づいてそれらのうちの１つを選択し、選択した候補経路集合を対象時間窓の経路計画４０として出力する（Ｓ１１４）。いくつかの実施の形態では、MCTS の探索木１３０から、出力部２１００は、評価スコアがすべてのノード１３５の中で最も大きいノード１３５を選択する。次いで、出力部２１００は、選択したノード１３５の親エッジ１３４に対応する候補経路集合を、出力されるべき候補経路集合（すなわち、対象時間窓の経路計画４０として採用される候補経路集合）として選択する。出力部２１００は、経路計画４０として選択された候補経路集合を示す、出力情報と呼ばれる情報を出力する。
出力部２１００は、候補経路集合の評価に基づいてそれらのうちの１つを選択し、選択した候補経路集合を対象時間窓の経路計画４０として出力する（Ｓ１１４）。いくつかの実施の形態では、MCTS の探索木１３０から、出力部２１００は、評価スコアがすべてのノード１３５の中で最も大きいノード１３５を選択する。次いで、出力部２１００は、選択したノード１３５の親エッジ１３４に対応する候補経路集合を、出力されるべき候補経路集合（すなわち、対象時間窓の経路計画４０として採用される候補経路集合）として選択する。出力部２１００は、経路計画４０として選択された候補経路集合を示す、出力情報と呼ばれる情報を出力する。
【0102】
出力情報は、様々なやり方で出力され得る。例えば、出力部２１００は、出力情報を記憶装置に格納してもよい。別の例では、出力部２１００は、出力情報を、経路計画４０によって示された車両経路を各車両２０に配信するコンピュータなどの別のコンピュータに送信してもよい。別の例では、出力部２１００は、経路計画４０がディスプレイ装置に表示されるように、出力情報をディスプレイ装置に出力してもよい。
【0103】
実施の形態を参照して本開示を説明したが、本開示は上述の実施の形態に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。そして、各実施の形態は、適宜他の実施の形態と組み合わせることができる。
【0104】
本開示のプログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。
【0105】
本出願は、２０２２年１月１３日に出願された日本出願特願２０２２－００３８７２を基礎とする優先権を主張し、その開示の全てをここに取り込む。
【符号の説明】
【0106】
２０ 車両
４０ 経路計画
５０ 経路
６０ 車両情報
７０ 地図情報
８０ 障害物情報
１３０ 探索木
１３１ ルートノード
１３２ エッジ
１３３ ノード
１３４ エッジ
１３５ ノード
１３６ エッジ
１３７ ノード
１３８ エッジ
１３９ ノード
１４０ 層
１４１ 副層
１４２ 副層
１４３ 層
１４４ 副層
１４５ 副層
１０００ コンピュータ
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インターフェース
１１２０ ネットワークインターフェース
２０００ 経路探索装置
２０２０ 取得部
２０４０ 予測部
２０６０ 候補生成部
２０８０ 評価部
２１００ 出力部
４０ 経路計画
５０ 経路
６０ 車両情報
７０ 地図情報
８０ 障害物情報
１３０ 探索木
１３１ ルートノード
１３２ エッジ
１３３ ノード
１３４ エッジ
１３５ ノード
１３６ エッジ
１３７ ノード
１３８ エッジ
１３９ ノード
１４０ 層
１４１ 副層
１４２ 副層
１４３ 層
１４４ 副層
１４５ 副層
１０００ コンピュータ
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インターフェース
１１２０ ネットワークインターフェース
２０００ 経路探索装置
２０２０ 取得部
２０４０ 予測部
２０６０ 候補生成部
２０８０ 評価部
２１００ 出力部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【手続補正書】
【提出日】2024-07-04
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
車両情報、障害物情報、及び地図情報を取得し、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、
前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、
前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、
前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各前記移動障害物の１つ以上の障害物経路を生成し、
前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成し、
前記候補経路集合は、各前記車両の前記対象時間窓の間の車両経路を含み、
前記車両経路は、他の前記車両経路及び前記障害物経路と競合せず、
前記候補経路集合内の前記車両経路の続きをヒューリスティック探索することによって、前記候補経路集合を評価し、
前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択し、前記選択した候補経路集合を出力する、経路探索装置。
【請求項2】
前記候補経路集合の前記生成は、変形された競合ベース探索アルゴリズムを行うことを含み、前記変形された競合ベース探索アルゴリズムは、
前記障害物経路に基づいて、前記車両と前記移動障害物との間の競合を回避する制約を生成し、前記生成した制約を競合木のルートノードに追加することと、
前記対象時間窓の間の競合を解消することと、
２つ以上の解を出力して前記複数の候補経路集合を生成することと、を含む、請求項１に記載の経路探索装置。
【請求項3】
前記候補経路集合は、モンテカルロツリー探索を実行することによって評価され、前記モンテカルロツリー探索は、
ルートノードによって前記候補経路集合ごとに子ノードが保持される探索木を生成することを含み、
前記子ノードは、前記候補経路集合及び前記障害物経路によって表される前記対象時間窓の間の前記移動障害物及び前記車両のアクションの集合を表す親エッジを有し、
選択ステップ、展開ステップ、ロールアウトステップ、及び逆伝播ステップのセットを繰り返し実行することを含み、
前記選択ステップにおいて、各ノードの評価スコアに基づいて展開されるべきノードが選択され、
前記展開ステップにおいて、
新しいエッジと新しいノードとのペアが生成され、
前記生成されたペアが、展開されるべき前記ノードに付加され、
前記新しいエッジは、前記車両及び前記移動障害物のうちの１つ以上についての１つ以上のアクションを表し、
前記ロールアウトステップにおいて、すべての前記車両が前記車両の目的地に到達するまでの、又はデッドロックが発生するまでの前記車両及び前記移動障害物の経路の続きを生成するためにロールアウトが行われ、
前記逆伝播ステップにおいて、前記ロールアウトの結果に基づいて、展開されるべき前記ノード及び前記ノードの先祖に対して前記評価スコアが計算される、請求項１に記載の経路探索装置。
【請求項4】
前記新しいエッジは、前記車両又は前記移動障害物の時間ステップにおけるアクションを表し、前記新しいエッジは、前記展開ステップの前記繰り返し実行において順に各前記車両及び前記移動障害物に対して生成される、請求項３に記載の経路探索装置。
【請求項5】
前記新しいエッジは、時間窓の間の前記車両及び前記移動障害物のアクションの集合を表す、請求項３に記載の経路探索装置。
【請求項6】
前記評価スコアは、前記ロールアウトの結果として得られた前記車両の前記経路のコスト、前記ロールアウトにおいて発生した競合の数、前記ロールアウトにおいてデッドロックが発生するか否か、又はこれらのうちの２つ以上に基づいて計算される、請求項３に記載の経路探索装置。
【請求項7】
車両情報、障害物情報、及び地図情報を取得するステップを含み、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、
前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、
前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、
前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各前記移動障害物の１つ以上の障害物経路を生成するステップを含み、
前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成するステップを含み、
前記候補経路集合は、各前記車両の前記対象時間窓の間の車両経路を含み、
前記車両経路は、他の前記車両経路及び前記障害物経路と競合せず、
前記候補経路集合内の前記車両経路の続きをヒューリスティック探索することによって、前記候補経路集合を評価するステップを含み、
前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択して前記選択した候補経路集合を出力するステップを含む、コンピュータによって行われる経路探索方法。
【請求項8】
前記候補経路集合の前記生成は、変形された競合ベース探索アルゴリズムを行うことを含み、前記変形された競合ベース探索アルゴリズムは、
前記障害物経路に基づいて、前記車両と前記移動障害物との間の競合を回避する制約を生成し、前記生成した制約を競合木のルートノードに追加することと、
前記対象時間窓の間の競合を解消することと、
２つ以上の解を出力して前記複数の候補経路集合を生成することとを含む、請求項７に記載の経路探索方法。
【請求項9】
車両情報、障害物情報、及び地図情報を取得することをコンピュータに実行させ、前記車両情報は、複数の車両それぞれの現在位置及び目的位置を含み、
前記障害物情報は、１つ以上の移動障害物の位置の履歴を含み、
前記地図情報は、前記車両及び前記移動障害物が移動する空間の地図を含み、
前記障害物情報及び前記地図情報に基づいて、所定の長さの対象時間窓の間の各前記移動障害物の１つ以上の障害物経路を生成することを前記コンピュータに実行させ、
前記車両情報、前記障害物経路、及び前記地図情報に基づいて、複数の候補経路集合を生成することを前記コンピュータに実行させ、
前記候補経路集合は、各前記車両の前記対象時間窓の間の車両経路を含み、
前記車両経路は、他の前記車両経路及び前記障害物経路と競合せず、
前記候補経路集合内の前記車両経路の続きをヒューリスティック探索することによって、前記候補経路集合を評価することを前記コンピュータに実行させ、
前記候補経路集合の評価に基づいて前記候補経路集合のうちの１つを選択して前記選択した候補経路集合を出力することを前記コンピュータに実行させるプログラム。
【請求項10】
前記候補経路集合の前記生成は、変形された競合ベース探索アルゴリズムを行うことを含み、前記変形された競合ベース探索アルゴリズムは、
前記障害物経路に基づいて、前記車両と前記移動障害物との間の競合を回避する制約を生成し、前記生成した制約を競合木のルートノードに追加することと、
前記対象時間窓の間の競合を解消することと、
２つ以上の解を出力して前記複数の候補経路集合を生成することとを含む、請求項９に記載のプログラム。
【手続補正3】
【補正対象書類名】明細書
【補正対象項目名】０００３
【補正方法】変更
【補正の内容】
【0003】
【非特許文献1】Roni Stern、Nathan Sturtevant、Ariel Felner、Sven Koenig、Hang Ma、Thayne Walker、Jiaoyang Li、Dor Atzmon、Liron Cohen、T.K.Satish Kumar、Eli Boyarski、及び Roman Bartak、「Multi-Agent Pathfinding: Definitions, Variants, and Benchmarks」、[online]、２０１９年１月１９日、[２０２１年１２月２４日検索]、インターネット＜arXiv,https://arxiv.org/pdf/1906.08291.pdf＞
【非特許文献2】Guni Sharon、Roni Stern、Ariel Felner、及び Nathan R.Sturtevant、「Conflict-based search for optimal multi-agent pathfinding」、Elsevier、Artificial Intelligence、Volume 219、 40-66 ページ、２０１５年２月
【手続補正4】
【補正対象書類名】明細書
【補正対象項目名】０００８
【補正方法】変更
【補正の内容】
【0008】
本開示によれば、１つ以上の制御不能の移動障害物が存在する状況下で複数車両のための経路の集合を見つける新規の技術が提供される。
【手続補正5】
【補正対象書類名】明細書
【補正対象項目名】００３４
【補正方法】変更
【補正の内容】
【0034】
ストレージデバイス１０８０は、上述のプログラムを記憶してもよい。プロセッサ１０４０は、プログラムを実行して、経路探索装置２０００の各機能部を実現する。
【手続補正6】
【補正対象書類名】明細書
【補正対象項目名】００４６
【補正方法】変更
【補正の内容】
【0046】
なお、車両２０の目的位置はすべての時間窓において共通であるため、取得部２０２０が、最初のイテレーションを除くループ処理Ｌ１のイテレーションごとに経路探索装置２０００の外部から目的位置を入手する必要はない。したがって、いくつかの実装では、取得２０２０は、ループ処理Ｌ１の最初のイテレーションで経路探索装置２０００に（例えば、ストレージデバイス１０８０に）車両２０の目的位置をキャッシュし、その他のイテレーションではキャッシュから入手してもよい。この場合、車両情報６０は、ループ処理Ｌ１の最初のイテレーションを除いて、車両２０の目的位置を含むことを要求されない。
【手続補正7】
【補正対象書類名】図面
【補正対象項目名】図１
【補正方法】変更
【補正の内容】
【図1】
【手続補正8】
【補正対象書類名】図面
【補正対象項目名】図４
【補正方法】変更
【補正の内容】
【図4】
【国際調査報告】