面向多智能体协同运输的事件触发通信与控制的深度强化学习
机器学习
2021-03-30 v1 机器人学
摘要
在本文中，我们探索一种多智能体强化学习方法来解决多智能体协同运输的通信与控制策略设计问题。典型的端到端深度神经网络策略可能不足以涵盖通信与控制；这些方法无法决定通信的时机，只能以固定速率通信工作。因此，我们的框架利用事件触发架构，即一个计算通信输入的反馈控制器和一个决定何时必须再次更新输入的触发机制。此类事件触发控制策略使用多智能体深度确定性策略梯度得到有效优化。我们通过数值仿真确认，我们的方法能够平衡运输性能与通信节省。
引用
@article{arxiv.2103.15260,
title = {Deep reinforcement learning of event-triggered communication and control for multi-agent cooperative transport},
author = {Kazuki Shibata and Tomohiko Jimbo and Takamitsu Matsubara},
journal= {arXiv preprint arXiv:2103.15260},
year = {2021}
}
备注
7 pages, 7 figures, to be published in the 2021 International Conference on Robotics and Automation