基于多智能体深度强化学习的防御性护航编队
机器人学
2019-10-11 v1 机器学习
多智能体系统
机器学习
摘要
协调的防御性护航可通过自身定位来维持有效载荷免受障碍物威胁的安全。本文提出一种新颖的端到端解决方案，用于协调护航团队以保护高价值有效载荷。我们的方案采用深度强化学习（RL）来训练一支护航团队，使其在与有效载荷一同导航时维持其安全。该过程以分布式方式进行，仅依赖其他护航者、有效载荷和障碍物的有限距离位置信息。与最先进的避障算法相比，我们的单护航方案将导航成功率提升至最高 31%。此外，相较于静态编队中的护航者，护航团队将成功率提高至多 75%。我们还表明，该习得方案对场景中的若干变化具有泛化能力，包括：团队中护航数量的改变、障碍物密度的改变以及有效载荷构型的改变。视频：https://youtu.be/SoYesKti4VA。
引用
@article{arxiv.1910.04537,
title = {Defensive Escort Teams via Multi-Agent Deep Reinforcement Learning},
author = {Arpit Garg and Yazied A. Hasan and Adam Yañez and Lydia Tapia},
journal= {arXiv preprint arXiv:1910.04537},
year = {2019}
}
备注
IEEE Robotics and Automation Letters with International Conference on Robotics and Automation (ICRA) option, 2020, under review