多智能体强化学习仓库机器人
人工智能
2025-12-10 v2 机器人学
摘要
我们present对多智能体强化学习(MARL)算法用于合作仓库机器人问题的比较研究。我们在Robotic Warehouse(RWARE)环境和自定义Unity 3D仿真环境中评估了QMIX和IPPO。我们的实验结果表明，QMIX的值分解显著优于独立学习方法(达到3.25平均回报，而高级IPPO仅为0.38)，但需要 extensive 的超参数调优——特别是对于稀疏奖励发现，需要更长的 epsilon 退火(500万+步)。我们在Unity ML-Agents中成功部署，经过100万训练步骤后实现了稳定的包裹递送。虽然MARL对小规模部署(2-4个机器人)显示出前景，但仍存在显著的扩大规模挑战。代码和分析: https://pallman14.github.io/MARL-QMIX-Warehouse-Robots/
引用
@article{arxiv.2512.04463,
title = {MARL Warehouse Robots},
author = {Price Allman and Lian Thang and Dre Simmons and Salmon Riaz},
journal= {arXiv preprint arXiv:2512.04463},
year = {2025}
}
备注
5 pages.Project documentation: https://pallman14.github.io/MARL-QMIX-Warehouse-Robots/