通过能力感知与通信实现异构多机器人策略的泛化
机器人学
2024-01-25 v1 多智能体系统
摘要
多智能体强化学习（MARL）的最新进展使异构多机器人团队能够实现出色的协调。然而，现有的方法往往忽略了将学习到的策略泛化到具有新组成、规模和机器人的团队这一挑战。虽然这种泛化对于可以按需重新训练策略的虚拟智能体团队可能并不重要，但对于部署在现实世界中且必须随时适应不可避免变化的多机器人系统而言，它是至关重要的。因此，多机器人策略必须对团队变化保持鲁棒性——我们将这种能力称为自适应组队。在这项工作中，我们通过进行涉及一个成熟的多机器人测试台的详细实验，调查了机器人能力的感知和通信是否可以提供这种泛化。我们证明，共享的去中心化策略使机器人能够感知并交流其能力，可以通过隐式捕获集体能力与有效协调之间的基本关系来实现自适应组队。训练策略的视频可在以下网址查看：https://sites.google.com/view/cap-comm
引用
@article{arxiv.2401.13127,
title = {Generalization of Heterogeneous Multi-Robot Policies via Awareness and Communication of Capabilities},
author = {Pierce Howell and Max Rudolph and Reza Torbati and Kevin Fu and Harish Ravichandar},
journal= {arXiv preprint arXiv:2401.13127},
year = {2024}
}
备注
Presented at the 7th Conference on Robot Learning (CoRL 2023), Atlanta, USA