基于神经细胞自动机的任意可扩展环境生成器
机器人学
2023-10-31 v1 人工智能
多智能体系统
神经与进化计算
摘要
我们研究生成任意大环境以提升多机器人系统吞吐量的问题。先前工作提出质量多样性（QD）算法作为优化自动化仓库环境的有效方法。然而，这些方法仅优化相对较小的环境，在复现真实仓库规模时存在不足。挑战源于环境尺寸增大时搜索空间呈指数级增长。此外，先前方法仅在仿真中至多使用350个机器人进行测试，而实际仓库可容纳数千个机器人。本文中，我们不直接优化环境，而是提出通过QD算法优化神经细胞自动机（NCA）环境生成器。我们在小环境中用QD算法训练一组NCA生成器，然后在测试时从生成器产生任意大的环境。我们表明，NCA环境生成器无论环境尺寸如何都保持一致的、规则化的模式，在至多2350个机器人的两个不同领域中显著增强了多机器人系统的可扩展性。此外，我们证明我们的方法能将单智能体强化学习策略扩展到具有相似模式的任意大环境。源代码见 \url{https://github.com/lunjohnzhang/warehouse_env_gen_nca_public}。
引用
@article{arxiv.2310.18622,
title = {Arbitrarily Scalable Environment Generators via Neural Cellular Automata},
author = {Yulun Zhang and Matthew C. Fontaine and Varun Bhatt and Stefanos Nikolaidis and Jiaoyang Li},
journal= {arXiv preprint arXiv:2310.18622},
year = {2023}
}
备注
Accepted to Advances in Neural Information Processing Systems (NeurIPS), 2023