多机器人系统的去中心化任务与路径规划
机器人学
2020-11-20 v1 多智能体系统
摘要
我们考虑一个由协作机器人和随时间涌现的多个任务组成的多机器人系统。我们提出了一种完全去中心化的任务与路径规划（DTPP）框架，该框架由一个任务分配模块和一个局部化路径规划模块构成。每个任务被建模为一个马尔可夫决策过程（MDP）或混合观测马尔可夫决策过程（MOMDP），具体取决于完全状态还是部分状态可观测。任务分配模块随后旨在最大化机器人团队的期望纯奖励（奖励减去成本）。我们将马尔可夫模型融合进因子图表述中，从而可利用最大和（max-sum）算法去中心化地求解任务分配。每个机器人智能体遵循为马尔可夫模型综合出的最优策略，我们提出了一种局部化前向动态规划方案来解决智能体间的冲突并避免碰撞。所提框架通过高保真 ROS 仿真和多个地面机器人的实验得到了验证。
引用
@article{arxiv.2011.10034,
title = {Decentralized Task and Path Planning for Multi-Robot Systems},
author = {Yuxiao Chen and Ugo Rosolia and Aaron D. Ames},
journal= {arXiv preprint arXiv:2011.10034},
year = {2020}
}