现实工艺机器人的协作竞争团队策略
机器人学
2026-02-25 v1 人工智能
摘要
多智能体深度强化学习(Deep Reinforcement Learning, RL)在近年来为开发智能游戏代理取得了显著进展。然而，如何高效训练基于多智能体RL的集体机器人以及将所学策略迁移到实际应用仍是开放的研究问题。本文首先构建了一个综合性机器人系统，包括仿真平台、分布式学习框架和物理机器人组件。随后，我们提出并评估了针对该平台设计的高效训练协作与竞争策略的强化学习技术。为解决多智能体仿真到现实迁移的挑战，我们引入了离分布状态初始化(Out of Distribution State Initialization, OODSI)以减轻仿真到现实的差距。在实验中，OODSI可使Sim2Real性能提升20%。我们通过在实际环境中进行多机器人车辆竞赛游戏和协作任务的实验，展示了我们方法的有效性。
引用
@article{arxiv.2602.21119,
title = {Cooperative-Competitive Team Play of Real-World Craft Robots},
author = {Rui Zhao and Xihui Li and Yizheng Zhang and Yuzhen Liu and Zhong Zhang and Yufeng Zhang and Cheng Zhou and Zhengyou Zhang and Lei Han},
journal= {arXiv preprint arXiv:2602.21119},
year = {2026}
}
备注
Accepted by 2026 IEEE International Conference on Robotics and Automation (ICRA 2026), Vienna, Austria