基于多头注意力的高效多机器人协同探索策略
人工智能
2019-11-06 v1 机器人学
摘要
协同多机器人探索任务的目标是动用一支自主机器人团队尽快探索未知环境。与始于启发式与基于规则方法的人工设计方法相比，基于学习的方法使个体机器人能通过深度强化学习技术习得复杂且难以设计的协同策略。然而，在分散式多机器人探索任务中，由于区域计算与奖励函数设计的困难，基于学习的算法远未普遍适用于连续空间；此外，现有基于学习的方法在平衡历史轨迹问题与目标区域冲突问题时遇到困难。而且，由于状态空间的指数爆炸问题，这些方法对大量智能体的可扩展性较差。为此，本文提出一种新方法——连续空间中基于多头注意力的多机器人探索（MAMECS），旨在缩减状态空间并自动学习连续空间分散式多机器人探索任务所需的协同策略。应用计算几何知识描述连续空间环境，并设计改进奖励函数以保证更优探索率。此外，所采用的多头注意力机制有助于解决分散式多机器人探索任务中的历史轨迹问题，并缓解动作空间的二次增长。
引用
@article{arxiv.1911.01774,
title = {Efficient Multi-robot Exploration via Multi-head Attention-based Cooperation Strategy},
author = {Shuqi Liu and Zhaoxia Wu},
journal= {arXiv preprint arXiv:1911.01774},
year = {2019}
}