D2M2N：面向多机器人的去中心化可微分记忆增强建图与导航
机器人学
2024-04-09 v2
摘要
近来，已有若干基于学习的模型被提出用于多机器人导航。然而，这些模型缺乏记忆，仅依赖机器人当前观测来规划动作，无法利用过往观测规划更优路径，尤其在复杂环境中。本工作中，我们提出一种完全可微分且去中心化的记忆增强多机器人导航与建图架构，称为 D2M2N。D2M2N 维护环境的紧凑表示以记忆过往观测，并使用 Value Iteration Network 进行复杂导航。我们开展了大量实验，表明 D2M2N 在复杂建图与导航任务中显著优于当前最优模型。
引用
@article{arxiv.2310.07070,
title = {D2M2N: Decentralized Differentiable Memory-Enabled Mapping and Navigation for Multiple Robots},
author = {Md Ishat-E-Rabban and Pratap Tokekar},
journal= {arXiv preprint arXiv:2310.07070},
year = {2024}
}
备注
7 pages, 5 figures, 4 tables