基于强化学习的去中心化多机器人编队控制
机器人学
2023-07-17 v1 人工智能
多智能体系统
摘要
本文提出了一种基于强化学习(RL)算法的去中心化领导者-跟随者多机器人编队控制方法，应用于一群小型教育用Sphero机器人。由于基本的Q-learning方法已知需要大量内存资源来存储Q表，本工作实现了Double Deep Q-Network (DDQN)算法，该算法在许多机器人问题中取得了优异结果。为增强系统行为，我们训练了两个不同的DDQN模型，一个用于达成编队，另一个用于维持编队。这些模型使用一组离散的机器人运动(动作)，使连续的非线性系统适应RL的离散特性。所提出的方法已在仿真和真实实验中测试，结果表明该多机器人系统能够达成并维持稳定编队，而无需复杂的数学模型和非线性控制律。
引用
@article{arxiv.2306.14489,
title = {Decentralized Multi-Robot Formation Control Using Reinforcement Learning},
author = {Juraj Obradovic and Marko Krizmancic and Stjepan Bogdan},
journal= {arXiv preprint arXiv:2306.14489},
year = {2023}
}
备注
7 pages, 10 figures. To be published in 2023 International Conference on Information, Communication and Automation Technologies (ICAT)