基于多主体强化学习的动态室内环境协同信息感知监控
机器人学
2026-04-28 v1 人工智能
多智能体系统
摘要
监控室内环境中的人类活动对于设施管理、安全评估和空间利用分析等应用至关重要。虽然移动机器人团队有望主动改善观察质量，但现有的多机器人监控和主动感知方法通常依赖覆盖或访问为导向的目标，而这些目标与人类中心监控任务的准确性要求关联度较弱。本文将协同主动观察 formulated as 一个在部分可观测性下的去中心化控制问题，其中多个机器人调整运动以直接优化监控准确性。我们提出了一种基于多主体强化学习 (MARL) 的学习方法，用于从去中心化观察中构建协同策略，同时支持可变数量的人类及时序依赖性。跨多样化室内环境和监控任务的仿真结果表明，所提方法在持续监控、学习自由的多机器人基线以及经典覆盖方法方面 consistently 优于，同时对观察人数的变化具有鲁棒性。
引用
@article{arxiv.2604.23179,
title = {Cooperative Informative Sensing for Monitoring Dynamic Indoor Environments via Multi-Agent Reinforcement Learning},
author = {Kanghoon Lee and Matthew M. Sato and Jinnyeong Yang and Seungro Lee and Sujin Lee and Jiachen Li and Kuk-Jin Yoon and Jinkyoo Park and Kincho H. Law and Yoonjin Yoon},
journal= {arXiv preprint arXiv:2604.23179},
year = {2026}
}
备注
8 pages, 10 figures, 2 tables