基于深度强化学习与ROS的无人水面艇集群控制与协调
机器人学
2024-09-02 v1
摘要
无人水面艇(USV)可通过持续观测周围环境状态并采取朝向目标的动作来执行复杂任务。协同工作的USV集群能够比单艘USV更快、更有效地完成任务。本文中,我们提出一种用于USV集群的自主通信模型。该系统的目标是利用机器人操作系统(ROS)和Gazebo实现一套软件系统。以协同任务完成为主要目标,马尔可夫决策过程(MDP)为表述任务决策问题提供了基础,以在高度动态的水域环境中实现高效定位与跟踪。为协调执行实时目标跟踪的多艘USV,我们提出一种增强的多智能体强化学习方法。我们提出的方案使用MA-DDPG,即多智能体深度确定性策略梯度,它是深度确定性策略梯度(DDPG)算法的扩展,允许在协作环境中对多个智能体进行分散控制。MA-DDPG的分散控制使每个智能体都能基于自身观测和目标做出决策,从而带来更优的整体性能和更好的稳定性。此外,它通过集体读数与奖励实现智能体间的通信与协调。
引用
@article{arxiv.2304.08189,
title = {Control and Coordination of a SWARM of Unmanned Surface Vehicles using Deep Reinforcement Learning in ROS},
author = {Shrudhi R S and Sreyash Mohanty and Susan Elias},
journal= {arXiv preprint arXiv:2304.08189},
year = {2024}
}
备注
13 pages, 10 figures