基于对数地图的深度强化学习实现分布式多机器人避障
机器人学
2022-09-15 v1
摘要
在拥挤且狭窄的场景中为多个机器人开发安全、稳定且高效的避障策略具有挑战性。大多数现有研究要么使用集中式控制，要么需要与其他机器人通信。本文中，我们提出一种新颖的基于对数地图的深度强化学习方法，用于复杂且无通信的多机器人场景中的避障。具体而言，我们的方法将激光信息转换为对数地图。为提高训练速度和泛化性能，我们的策略将在两个专门设计的多机器人场景中进行训练。与其他方法相比，对数地图能更准确地表示障碍物并提高避障成功率。我们最终在多种仿真和真实世界场景下评估了我们的方法。结果表明，我们的方法为复杂多机器人场景及行人场景中的机器人提供了更稳定有效的导航方案。视频见 https://youtu.be/r0EsUXe6MZE。
引用
@article{arxiv.2209.06622,
title = {Distributed Multi-Robot Obstacle Avoidance via Logarithmic Map-based Deep Reinforcement Learning},
author = {Jiafeng Ma and Guangda chen and Yingfeng Chen and Yujing Hu and Changjie Fan and Jianming Zhang},
journal= {arXiv preprint arXiv:2209.06622},
year = {2022}
}