CatlNet：从CaTL+规约学习通信与协调策略
机器学习
2022-12-23 v1 系统与控制
系统与控制
摘要
本文提出一种基于学习的框架，用于从能力时序逻辑增强版（CaTL+）规约下，为具有复杂任务需求的异构多智能体系统（MAS）同时学习通信与分布式控制策略。两种策略均使用一种称为CatlNet的新型神经网络模型进行训练、实现和部署。利用CaTL+的鲁棒性度量，我们集中训练CatlNet以最大化该度量，其中网络参数在所有智能体间共享，使CatlNet能够轻松扩展到大型团队。CatlNet随后可分布式部署。我们还引入了计划修复算法以指导CatlNet的训练，并提升CatlNet的训练效率与整体性能。CatlNet方法在仿真中进行了测试，结果表明训练后CatlNet能够在线引导去中心化MAS系统以满足CaTL+规约，且成功率较高。
引用
@article{arxiv.2212.11792,
title = {CatlNet: Learning Communication and Coordination Policies from CaTL+ Specifications},
author = {Wenliang Liu and Kevin Leahy and Zachary Serlin and Calin Belta},
journal= {arXiv preprint arXiv:2212.11792},
year = {2022}
}