Multi Agent の更新アルゴリズムのシミュレーション

実行方法

python simulate_multi_agent_robots.py

現在のままでは Safe Point 法のシミュレーションがされるが, "simulate_multi_agent_robots.py" の 39-45 行目をコメントアウトし, 28-36 行目をアンコメントすると Tukey's Hyperplane 法をシミュレーションできる.

また, そのほかの詳細な設定も"simulate_multi_agent_robots.py"上で設定できる.

Center point

• 近傍の点の集合と、それらのランダムな凸結合点複数個に対し. 各点のTukey深度を計算し, 最も深い点に移動する.

結果：

centerpoint_1.mp4

（完全グラフ）

centerpoint_2.mp4

（有向木を含み, 各ロボットの近傍の数が $N_i \leq (F_i+1)(d+1)$ を満たすグラフ）

centerpoint_delay.mp4

（遅延あり）

Tukey's Hyperplane

• ランダムな法線ベクトルを 100回試して, はじめに見つかった Tukey's Hyperplane の Agent が多いほうに, 固定長 10 だけ移動する (ver1)

結果：

visualizer_ver1.mp4

（完全グラフ）

• ランダムな法線ベクトルを 100回試して, 見つけた Tukey's Hyperplane のうち最も不均衡に Agents を分割するものの法線ベクトルの方向に, 固定長 10 だけ移動する (ver2)

結果：

visualizer_ver2.mp4

（完全グラフ）

• ランダムな法線ベクトルを 100回試して, 見つけた Tukey's Hyperplane のうち最も不均衡に Agents を分割するものの法線ベクトルの方向に, 指定長 step_length だけ移動する. step_length は はじめ 10 で, 毎回 0.9 倍にする. (ver3)

結果：

visualizer_ver3.mp4

（完全グラフ）

visualizer_ver3_2.mp4

visualizer_ver3_miss.mp4

visualizer_ver3_miss_2.mp4

（有向木を含み, 各ロボットの近傍の数が $N_i \leq (F_i+1)(d+1)$ を満たすグラフ = Centerpointアルゴリズムの条件と同様）