部分可观测环境中对手位置的去噪
机器人学
2023-10-24 v1 人工智能
多智能体系统
摘要
RoboCup 竞赛包含多个联赛，其中足球仿真 2D 联赛是主要联赛之一。足球仿真 2D（SS2D）比赛由两队参与，每队含 11 名球员与 1 名教练，相互对抗。球员在比赛中仅能与足球仿真服务器通信。若干代码库已公开发布以简化队伍开发，故研究者可轻松聚焦于决策制定与机器学习方法实现。由于噪声与部分观测等不同挑战，SS2D 的动作与行为仅具部分准确性。因此，一种策略是实施替代性去噪方法以应对观测不准确性。我们的思路是，在对手于有限周期内尚未被观测到时，利用机器学习方法预测其位置，从而做出如传球等更精准动作。我们将阐释由长短期记忆模型（LSTM）与深度神经网络（DNN）驱动的位置预测思路。结果表明，LSTM 与 DNN 比标准算法（如最后观测法）更准确地预测对手位置。
引用
@article{arxiv.2310.14553,
title = {Denoising Opponents Position in Partial Observation Environment},
author = {Aref Sayareh and Aria Sardari and Vahid Khoddami and Nader Zare and Vinicius Prado da Fonseca and Amilcar Soares},
journal= {arXiv preprint arXiv:2310.14553},
year = {2023}
}