CSAOT：基于合作多智能体系统的主动对象跟踪
计算机视觉与模式识别
2025-01-27 v1 人工智能
机器人学
摘要
对象跟踪是许多计算机视觉应用的核心任务，如自动导航、监视和机器人技术。与被动对象跟踪（Passive Object Tracking, POT）不同，后者依赖固定的摄像机视角在连续帧之间检测和跟踪物体；而主动对象跟踪（Active Object Tracking, AOT）要求控制智能体主动调整视角，以在复杂环境中维持对移动目标的视觉联系。现有的AOT解决方案主要基于单智能体，由于信息收集和处理能力有限，在动态复杂场景下常导致决策次优。缓解此问题的关键在于构建多智能体系统，使各智能体承担不同角色并协作，以提升在动态复杂环境中的学习能力和鲁棒性。虽然已有一些针对AOT的多智能体方法，但通常依赖外部辅助智能体，需要额外设备，成本较高。相比之下，我们提出的协作主动对象跟踪系统（Collaborative System for Active Object Tracking, CSAOT）利用多智能体深度强化学习（MADRL）和混合专家（Mixture of Experts, MoE）框架，使多个智能体在单一设备上运行，从而提升跟踪性能并降低成本。该方法在处理遮挡和快速运动时具有更好的鲁棒性，同时优化摄像机运动以延长跟踪时长。我们在多种具有动态和静态障碍物的交互式地图上验证了CSAOT的有效性。
引用
@article{arxiv.2501.13994,
title = {CSAOT: Cooperative Multi-Agent System for Active Object Tracking},
author = {Hy Nguyen and Bao Pham and Hung Du and Srikanth Thudumu and Rajesh Vasa and Kon Mouzakis},
journal= {arXiv preprint arXiv:2501.13994},
year = {2025}
}