面向有限能力异构机器人群体的行为发现方法探索
机器人学
2023-10-27 v1 机器学习
多智能体系统
摘要
我们研究在给定功能异构且能力有限的机器人群体时，确定可能出现的涌现行为的问题。先前的工作考虑了同质群体的行为搜索，并提出了在手指定或学习得到的行为空间上使用新颖性搜索（novelty search），随后进行聚类以向用户返回涌现行为的分类体系。在本文中，我们试图更好地理解新颖性搜索的作用以及使用聚类发现新颖涌现行为的有效性。通过大量实验和消融实验，我们分析了在异构群体中搜索新颖行为时表征、进化搜索和各种聚类方法的影响。我们的结果表明，先前的方法未能发现许多有趣的行为，并且迭代式人在回路（human-in-the-loop）发现过程比随机搜索、群体化学（swarm chemistry）和自动化行为发现发现更多的行为。我们实验的综合发现揭示了23种涌现行为，其中18种是新发现。据我们所知，这些是首个已知的无需计算智能体的异构群体的涌现行为。视频、代码和附录可在项目网站获取：https://sites.google.com/view/heterogeneous-bd-methods
引用
@article{arxiv.2310.16941,
title = {Exploring Behavior Discovery Methods for Heterogeneous Swarms of Limited-Capability Robots},
author = {Connor Mattson and Jeremy C. Clark and Daniel S. Brown},
journal= {arXiv preprint arXiv:2310.16941},
year = {2023}
}
备注
11 pages, 9 figures, To be published in Proceedings IEEE International Symposium on Multi-Robot & Multi-Agent Systems (MRS 2023)