利用空中机器人集群在湍流中导航：一种协作深度强化学习方法
机器人学
2023-06-09 v1 机器学习
多智能体系统
摘要
由于流动的混沌特性，湍流环境中的空中作业是一个具有挑战性的问题。当一组空中机器人试图在湍流风况下实现协调运动时，该问题变得更加复杂。本文提出了一种新颖的多机器人控制器用于在湍流中导航，通过嵌套控制架构将轨迹跟踪控制与湍流补偿解耦。与以往工作不同，我们的方法并非学习在特定时空补偿气流，而是基于气流对团队的影响来学习补偿流动。这通过一种深度强化学习方法得以实现，该方法采用基于图卷积神经网络（GCNN）的架构，使机器人能够处理团队间气流的时空相关性，从而实现更好的风补偿。我们的方法可良好扩展至大型机器人团队——因每个机器人仅使用其最近邻的信息——并且能很好地泛化到比训练中更大的机器人团队。仿真实验展示了信息共享如何改善空中机器人团队的湍流补偿，并证明了我们的方法在不同团队配置下的灵活性。
引用
@article{arxiv.2306.04781,
title = {Learning to Navigate in Turbulent Flows with Aerial Robot Swarms: A Cooperative Deep Reinforcement Learning Approach},
author = {Diego Patiño and Siddharth Mayya and Juan Calderon and Kostas Daniilidis and David Saldaña},
journal= {arXiv preprint arXiv:2306.04781},
year = {2023}
}