通过多智能体强化学习在领导-跟随导航中隐藏领导者身份
机器人学
2021-09-16 v2 多智能体系统
摘要
领导-跟随导航是一类流行的多机器人算法，其中领导者机器人带领团队中的跟随机器人。领导者拥有跟随者所缺乏的专门能力或任务关键信息（例如目标位置），这使得领导者对任务成功至关重要。然而，这也使领导者成为一个弱点——希望破坏机器人团队任务的外部 adversary（敌手）只需伤害领导者，整个机器人团队的任务就会受损。由于传统领导-跟随导航算法生成的机器人运动可能暴露领导者身份，我们提出了一种防御机制，通过确保领导者以在行为上与跟随者相伪装的方式运动来隐藏其身份，使敌手难以识别领导者。为此，我们结合了多智能体强化学习、图神经网络与对抗训练。我们的方法使多机器人团队在优化主要任务性能的同时，令领导者运动类似于跟随者运动，从而在行为上与之伪装。我们的算法优于现有通过经典遗传算法调节传统领导-跟随控制参数来隐藏多机器人团队中领导者身份的工作。我们还评估了人类推断领导者身份的表现，发现当机器人团队使用我们提出的导航算法时，人类准确率更低。
引用
@article{arxiv.2103.06359,
title = {Hiding Leader's Identity in Leader-Follower Navigation through Multi-Agent Reinforcement Learning},
author = {Ankur Deka and Wenhao Luo and Huao Li and Michael Lewis and Katia Sycara},
journal= {arXiv preprint arXiv:2103.06359},
year = {2021}
}