将可复用的多机器人规划策略编码为抽象超图
机器人学
2024-09-18 v1 人工智能
多智能体系统
摘要
多机器人任务规划（MR-TP）是搜索机器人团队为完成任务应采取的离散动作规划。此类问题的复杂性随机器人数量和任务复杂性呈指数级增长，使其在线求解极具挑战性。为了在系统生命周期内加速MR-TP，本研究着眼于结合两项最新进展：可分解状态空间超图，一种基于超图的新框架，用于高效建模和求解MR-TP问题；以及基于抽象的学习，这是一种能够从单个规划经验中自动提取可泛化的规划策略以供后续复用的技术。具体而言，我们希望将这种最初为单机器人规划设计的策略学习技术进行扩展，利用基于超图的MR-TP来造福多机器人规划。
引用
@article{arxiv.2409.10692,
title = {Encoding Reusable Multi-Robot Planning Strategies as Abstract Hypergraphs},
author = {Khen Elimelech and James Motes and Marco Morales and Nancy M. Amato and Moshe Y. Vardi and Lydia E. Kavraki},
journal= {arXiv preprint arXiv:2409.10692},
year = {2024}
}