基于全卷积神经网络的多智能体系统一次性路径规划
机器学习
2020-04-02 v1 机器学习
摘要
路径规划在机器人动作执行中起着关键作用，因为必须先为特定动作定义路径或运动轨迹，才能执行该动作。当前大多数方法为迭代方法，通过基于当前状态预测下一状态来迭代生成轨迹。此外，在多智能体系统中，路径是为每个智能体分别规划的。与此相反，我们提出了一种利用全卷积神经网络的新方法，其允许一次性（即单步预测）生成完整路径，甚至可为多于一个智能体生成。我们证明，在单路径预测中，我们的方法能在超过98%的情况下成功生成最优或接近最优的路径。此外，我们表明，尽管该网络从未在多路径规划上训练过，在生成两条和三条路径时，它仍能分别在85.7%和65.4%的情况下生成最优或接近最优的路径。
引用
@article{arxiv.2004.00568,
title = {One-shot path planning for multi-agent systems using fully convolutional neural network},
author = {Tomas Kulvicius and Sebastian Herzog and Timo Lüddecke and Minija Tamosiunaite and Florentin Wörgötter},
journal= {arXiv preprint arXiv:2004.00568},
year = {2020}
}