具有队形自适应的协调多机器人导航
机器人学
2025-03-05 v2
摘要
协调多机器人导航是机器人团队在多样化环境中运行的基本能力。机器人团队通常需要保持特定队形，如楔形队形，以增强快速移动时的可见性、定位和效率。然而，狭窄走廊等复杂环境对刚性团队队形构成挑战，使得在现实环境中难以有效控制队形。为了解决这一挑战，我们引入了一种新颖的具有振荡抑制的自适应队形（AFOR）方法，以改进协调多机器人导航。我们在分层学习的理论框架下开发AFOR，并将弹簧-阻尼模型与分层学习相结合，以实现团队协调和单个机器人控制。在上层，图神经网络促进机器人之间的队形自适应和信息共享。在下层，强化学习使每个机器人能够在保持队形的同时导航和避开障碍物。我们使用Gazebo在机器人操作系统（ROS）中、高保真Unity3D模拟器与ROS以及真实机器人团队进行了广泛实验。结果表明，AFOR能够在复杂场景中实现平滑导航和队形自适应，并优于先前方法。本工作的更多细节见项目网站：https://hcrlab.gitlab.io/project/afor。
引用
@article{arxiv.2404.01618,
title = {Coordinated Multi-Robot Navigation with Formation Adaptation},
author = {Zihao Deng and Peng Gao and Williard Joshua Jose and Christopher Reardon and Maggie Wigness and John Rogers and Hao Zhang},
journal= {arXiv preprint arXiv:2404.01618},
year = {2025}
}