Q-CP：用于协同规划的动作价值学习
机器人学
2018-03-02 v1 人工智能
摘要
多机器人系统的研究已在众多应用与领域中展现出可喜成果。然而，由于场景非结构化、高度不确定性以及状态维度巨大（例如超冗余机器人与机器人组），高效学习有效的机器人行为仍十分困难。为缓解该问题，我们提出一种基于模型的协同强化学习算法Q-CP，其利用动作价值来（1）引导状态空间的探索，以及（2）生成有效策略。具体而言，我们利用Q-learning在蒙特卡洛树搜索的迭代中应对维度灾难。我们在不同的随机协同（一般和）博弈上实现并评估了Q-CP：（1）3个机器人间的简单协同导航问题，（2）一对KUKA YouBot执行交接的协作场景，以及（3）两个移动机器人进门时的协调任务。所得结果表明Q-CP在所选应用中的有效性：动作价值驱动探索，降低了规划过程的计算需求，同时取得了良好性能。
引用
@article{arxiv.1803.00297,
title = {Q-CP: Learning Action Values for Cooperative Planning},
author = {Francesco Riccio and Roberto Capobianco and Daniele Nardi},
journal= {arXiv preprint arXiv:1803.00297},
year = {2018}
}