面向地面-空中 swarm 牧羊的连续深度分层强化学习
机器人学
2020-08-28 v4 多智能体系统
摘要
多机器人（swarm）的控制与引导是一个非平凡问题，因为群体内部耦合交互具有固有复杂性。无论 swarm 是合作还是非合作的，都可以从牧羊犬驱赶羊群中学习经验。牧羊行为的仿生学为 swarm 控制提供了计算方法，具有在不同环境中泛化与扩展的潜力。然而，由于机器学习者面临巨大的搜索空间，学习牧羊是复杂的。我们提出一种用于牧羊的深度分层强化学习方法，其中无人驾驶飞行器（UAV）学习充当空中牧羊犬来控制和引导一群无人地面车辆（UGVs）。该方法扩展了我们先前在机器教育方面的工作，将搜索空间分解为分层组织的课程。课程中的每一课由一个深度强化学习模型学习。该分层通过融合模型的输出形成。该方法首先在基于机器人操作系统（ROS）的高保真仿真环境中演示，然后在室内测试设施中用物理 UGVs 和 UAV 演示。我们研究了该方法在模型从仿真迁移到真实世界以及从一种尺度迁移到另一种尺度时的泛化能力。
引用
@article{arxiv.2004.11543,
title = {Continuous Deep Hierarchical Reinforcement Learning for Ground-Air Swarm Shepherding},
author = {Hung The Nguyen and Tung Duy Nguyen and Vu Phi Tran and Matthew Garratt and Kathryn Kasmarik and Sreenatha Anavatti and Michael Barlow and Hussein A. Abbass},
journal= {arXiv preprint arXiv:2004.11543},
year = {2020}
}