平面覆盖任务中工人-站点多机器人系统的协调学习
机器人学
2023-08-14 v2 人工智能
多智能体系统
摘要
对于海量大规模任务，多机器人系统（MRS）可通过利用各机器人的不同能力、机动性与功能性有效提升效率。本文关注具有环境中随机动态干扰器的大规模平面区域中的多机器人覆盖路径规划（mCPP）问题，其中机器人资源有限。我们引入一种工人-站点MRS，其由多个资源有限、执行实际工作的工人，以及一个资源充足、用于资源补充的站点组成。我们旨在通过将工人-站点MRS的mCPP问题表述为一个完全协作多智能体强化学习问题来求解它。随后我们提出一种端到端去中心化在线规划方法，同时求解工人的覆盖规划与站点的会合规划。我们的方法成功降低了随机动态干扰器对规划的影响，同时机器人可避免与它们碰撞。我们进行了仿真与真实机器人实验，对比结果表明，在以任务完成时间为度量下，我们的方法在求解工人-站点MRS的mCPP问题中具有竞争性性能。
引用
@article{arxiv.2208.02993,
title = {Learning to Coordinate for a Worker-Station Multi-robot System in Planar Coverage Tasks},
author = {Jingtao Tang and Yuan Gao and Tin Lun Lam},
journal= {arXiv preprint arXiv:2208.02993},
year = {2023}
}