不可预测与部分可观测环境下用于多机器人协调的赌博机子模最大化

我们研究不可预测且部分可观测环境（即其未来演化先验未知且只能被部分观测的环境）中的多智能体协调问题。我们的动机来自自主化的未来，其中多个机器人在动态、非结构化且部分可观测的环境中协调动作以完成目标跟踪、环境建图与区域监测等复杂任务。由于机器人间的信息重叠，此类任务常被建模为子模最大化协调问题。我们提出了首个具有赌博机反馈与有界跟踪遗憾的子模协调算法——赌博机反馈是指由于部分可观测性，机器人只能在事后计算其所选动作的效果，而非其本可选择的全部替代动作；跟踪遗憾是指算法相对于完全先验知晓未来的最优时变动作的次优性。该界限随环境对抗性变化的能力平滑退化，量化了机器人应多频繁重选动作以学习协调，仿佛完全先验知晓未来。该算法通过将 Fisher 等人开创性的顺序贪婪算法借助子模性与跟踪最佳动作问题的算法推广至赌博机设定。我们在多目标跟踪的模拟场景中验证了我们的算法。