KT-BT：多机器人系统中通过行为树进行知识转移的框架
机器人学
2022-09-08 v1 人工智能
多智能体系统
摘要
多机器人与多智能体系统通过对群体中局部行为的系统性分布式集成展现出集体（群）智能。智能体共享关于任务与环境的知识可提升个体与任务层面的性能。然而，这难以实现，部分原因在于缺乏在智能体间转移已知知识（行为）部分的通用框架。本文提出一种称为 KT-BT：通过行为树进行知识转移的新知识表示框架与转移策略。KT-BT 框架通过在线行为树框架遵循查询-响应-更新机制，其中智能体广播对未知条件的查询，并使用条件-动作-控制子流以适当知识进行响应。我们嵌入了一种称为 stringBT 的新型语法结构来编码知识，从而实现行为共享。我们从理论上研究了 KT-BT 框架相较于不具备知识共享能力的异构系统，在实现全群体高知识同质性方面的性质。我们在模拟多机器人搜索与救援问题中广泛验证了框架。结果显示在各场景中成功实现知识转移并提升群体性能。我们进一步研究了机会与通信范围对智能体群体的群体性能、知识传播与功能异构性的影响，给出了有趣的见解。
引用
@article{arxiv.2209.02886,
title = {KT-BT: A Framework for Knowledge Transfer Through Behavior Trees in Multi-Robot Systems},
author = {Sanjay Sarma Oruganti Venkata and Ramviyas Parasuraman and Ramana Pidaparti},
journal= {arXiv preprint arXiv:2209.02886},
year = {2022}
}