MQE：借助多智能体四足机器人环境释放交互的力量
机器人学
2024-03-26 v1
摘要
深度强化学习（DRL）的出现显著推动了机器人学领域的发展，尤其是在四足机器人的控制与协调方面。然而，现实世界任务的复杂性往往需要部署能够进行复杂交互与协作的多机器人系统。为满足这一需求，我们引入了多智能体四足机器人环境（MQE），这是一个旨在促进多智能体强化学习（MARL）算法在真实动态场景中开发与评估的新型平台。MQE 强调机器人与物体之间的复杂交互、分层策略结构以及反映现实世界应用的具有挑战性的评估场景。我们在 MQE 中提出了一系列协作与竞争任务，涵盖从简单协调到复杂对抗交互，并对当前最先进的 MARL 算法进行了基准测试。我们的研究结果表明，分层强化学习能够简化任务学习过程，但也凸显了对能够处理多智能体交互复杂动态的高级算法的需求。MQE 充当了连接仿真与实际部署之间桥梁的基石，为多智能体系统和机器人学习的未来研究提供了丰富的环境。有关 MQE 的开源代码及更多详细信息，请参阅 https://ziyanx02.github.io/multiagent-quadruped-environment/ 。
引用
@article{arxiv.2403.16015,
title = {MQE: Unleashing the Power of Interaction with Multi-agent Quadruped Environment},
author = {Ziyan Xiong and Bo Chen and Shiyu Huang and Wei-Wei Tu and Zhaofeng He and Yang Gao},
journal= {arXiv preprint arXiv:2403.16015},
year = {2024}
}
备注
Open-source code is available at https://github.com/ziyanx02/multiagent-quadruped-environment