基于随机梯度下降的多智能体路径规划优化有向路线图图

我们提出一种称为优化有向路线图图（ODRM）的新方法。它是一种构建有向路线图图的方法，可用于多机器人导航中的碰撞避免。这是一个高度相关的问题，例如对于工业自动导引车。ODRM 的核心思想是，有向路线图可以编码环境的固有属性，当智能体在同一环境中必须彼此避让时这些属性很有用。与概率路线图（PRM）类似，ODRM 的第一步是从 C 空间生成采样。第二步，ODRM 通过随机梯度下降（SGD）优化顶点位置和边方向。这产生了涌现属性，例如平行于墙壁的边以及类似于双车道街道或环岛的模式。然后智能体可独立搜索路径并在该图上导航，在运行时解决出现的智能体间碰撞。与使用未优化图相比，使用 ODRM 生成的图显著减少了智能体间碰撞的发生。我们用集中式和分散式规划器评估我们的路线图。实验表明，借助 ODRM，即便是简单的集中式规划器也能解决其他多智能体规划器无法处理的含大量智能体的问题。此外，我们使用带分散式规划器和在线碰撞避免的仿真机器人，展示智能体在我们的路线图上的速度远快于标准网格地图。