基于访问频率图的高效 Q-Learning 用于未知环境的多智能体探索
机器人学
2023-08-01 v1
摘要
机器人探索任务已被广泛研究，其应用涵盖从新环境建图到物品递送。对于某些时间关键型任务，如救援灾害，要求智能体尽可能高效地探索。近来，基于访问频率的地图表示通过以频率惩罚抑制重复访问，在此类场景中取得巨大成功。然而，其相对较大的规模与单智能体设定阻碍了进一步发展。在此背景下，我们提出集成访问频率图，以更紧凑的尺寸编码与访问频率图相同的信息，以及一种基于访问频率的多智能体信息交换与控制方案，可兼容两种表示。通过在多样设定下的测试，结果表明我们所提方法能以更低带宽需求达到与 VFM 相当的性能水平，并良好泛化至不同多智能体配置，包括真实世界环境。
引用
@article{arxiv.2307.16318,
title = {Efficient Q-Learning over Visit Frequency Maps for Multi-agent Exploration of Unknown Environments},
author = {Xuyang Chen and Ashvin N. Iyer and Zixing Wang and Ahmed H. Qureshi},
journal= {arXiv preprint arXiv:2307.16318},
year = {2023}
}
备注
Accepted by IROS 2023. 8 pages