MUI-TARE：未知初始位置下的多智能体协同探索
机器人学
2022-09-23 v1 人工智能
摘要
具有智能体未知初始位置的有限3D环境多智能体探索是一个具有挑战性的问题。它需要快速探索环境并鲁棒地合并智能体构建的子地图。我们认为现有方法要么激进要么保守：激进策略在检测到重叠时将不同智能体构建的两个子地图合并，由于重叠的误检可能导致错误合并，因此不够鲁棒。保守策略在合并前指导一个智能体重复访问另一个智能体的过多历史轨迹以进行验证，由于对同一空间的重复探索而降低探索效率。为智能地平衡子地图合并的鲁棒性与探索效率，我们开发了一种基于激光雷达的多智能体探索新方法，该方法可基于子地图合并过程的质量指标，以自适应方式指导一个智能体重复另一个智能体的轨迹。此外，我们的方法通过为已合并子地图的智能体共同规划，以协同方式将近期单智能体分层探索策略扩展至多智能体，以进一步提高探索效率。我们的实验表明，我们的方法在鲁棒合并子地图的同时，平均比基线效率高至多50%。
引用
@article{arxiv.2209.10775,
title = {MUI-TARE: Multi-Agent Cooperative Exploration with Unknown Initial Position},
author = {Jingtian Yan and Xingqiao Lin and Zhongqiang Ren and Shiqi Zhao and Jieqiong Yu and Chao Cao and Peng Yin and Ji Zhang and Sebastian Scherer},
journal= {arXiv preprint arXiv:2209.10775},
year = {2022}
}
备注
8 pages, 8 figures, Submitted to IEEE RAL