分层不确定性感知协同多智能体规划系统的真实世界部署

我们希望使协同多智能体团队能够在真实世界环境中进行大尺度且处于不确定性下的导航。在实践中，规划复杂度随团队中智能体数量、环境的空间尺度以及环境不确定性而增加。实现可处理的规划需要开发能够表示复杂、高质量规划的抽象模型。然而，此类模型通常会抽象掉为真实世界环境中的真实智能体生成可直接执行规划所需的信息，因为在此细节层面进行规划，尤其是在存在真实世界不确定性的情况下，在计算上是不可处理的。在本文中，我们描述了一个规划系统的部署，该系统使用分层规划器在真实世界未知环境中执行协同多智能体导航任务。通过开发一个对规划层级每一层的失败都具有鲁棒性的规划系统，我们使团队能够完成协同导航任务，即使在存在不完美的规划抽象和真实世界不确定性的情况下也是如此。我们在 Clearpath Husky-Jackal 团队中部署了我们的方法，在结构化室外环境中进行导航，并证明了该系统能使智能体成功执行协同规划。