基于模仿学习的多无人机协同操纵的去中心化实时规划

现有的多无人机 transporting 和操纵 cable-suspended 负载沿参考轨迹的做法，通常依赖集中式控制架构或可靠的代理间通信。本文提出了一种新颖的基于机器学习的方法，用于去中心化kinodynamic规划，该方法在部分可观测性且无需代理间通信的情况下仍能有效工作。我们的方法利用模仿学习为每个无人机训练去中心化student策略，通过模仿拥有特权全局观察的集中式kinodynamic运动规划器。student策略生成光滑轨迹，利用基于物理的神经网络，尊重运动中的导数关系。在训练期间，student策略利用teacher策略生成的完整轨迹，从而提高了样本效率。此外，每个student策略可在标准笔记本电脑上在2小时内完成训练。我们在仿真和真实世界环境中验证了该方法，能够沿用敏捷参考轨迹工作，性能相当于集中式方法。