基于深度Q网络的多智能体视觉SLAM相对观测主动协作
人工智能
2019-09-24 v1
摘要
本文提出了一种独特的多智能体同步定位与建图(SLAM)主动相对定位机制，其中将被观测的智能体视为一项任务，由其他智能体通过相对观测来协助该智能体完成。针对该机制提出了一种基于深度强化学习的任务分配算法。每个智能体可主动选择对其他智能体进行定位，还是继续进行独立的SLAM。通过这种方式，各智能体的SLAM过程将通过协作产生交互。首先，基于ORBSLAM的特性，得到了一种建模整个多智能体系统(MAS)的独特观测函数。其次，部署了一种称为MAS-DQN的新型深度Q网络(DQN)来学习Q值与状态-动作对之间的对应关系，在智能体间的协作过程中学习MAS中智能体的抽象表示。最后，每个智能体必须依据MAS-DQN具有一定自由度地行动。对比实验的仿真结果证明，该机制提高了多智能体SLAM过程中的协作效率。
引用
@article{arxiv.1909.10157,
title = {Active collaboration in relative observation for Multi-agent visual SLAM based on Deep Q Network},
author = {Zhaoyi Pei and Piaosong Hao and Meixiang Quan and Muhammad Zuhair Qadir and Guo Li},
journal= {arXiv preprint arXiv:1909.10157},
year = {2019}
}