基于MARL的 cable-towed Load 无人四足机器人队伍的去中心化导航
机器人学
2025-03-25 v1
摘要
本工作旨在解决使一队四足机器人能够通过狭窄且非结构化的环境协作 tow 一根通过障碍物的 cable-connected load 的挑战。利用 cable 可实现多机器人系统在必要时保持松弛，从而导航狭窄空间。这引入了由于交替紧张和松弛状态导致的混合物理相互作用，随着代理人数量的增加，计算复杂度呈指数级增长。为解决这些挑战，我们开发了一个可扩展且去中心化的系统，能够动态协调可变数量的四足机器人，同时管理 tow 负载任务中固有的混合物理相互作用。该系统的核心是一个新的基于多主体强化学习 (MARL) 的规划器，旨在实现去中心化协调。采用集中训练、去中心化执行 (CTDE) 框架训练 MARL 规划器，使每个机器人仅使用本地 (ego) 观察即可自主做出决策。为加快学习速度并确保跨不同队规的有效协作，我们引入了一个针对 MARL 的量身定制的训练课程。实验结果突出了该框架的灵活性和可扩展性，表明其在实际场景中成功部署于 1 到 4 个机器人，在仿真中可支持最多 12 个机器人。该去中心化规划器在不同队规下保持一致的推理时间。此外，所提出的系统对环境扰动具有鲁棒性，能够适应不同负载重量。本工作代表了在复杂且真实环境中实现灵活高效的四足机器人协作的一步进步。
引用
@article{arxiv.2503.18221,
title = {Decentralized Navigation of a Cable-Towed Load using Quadrupedal Robot Team via MARL},
author = {Wen-Tse Chen and Minh Nguyen and Zhongyu Li and Guo Ning Sue and Koushil Sreenath},
journal= {arXiv preprint arXiv:2503.18221},
year = {2025}
}