经典机器人堆栈中的强化学习：机器人足球的案例研究
机器人学
2025-03-10 v2 人工智能
机器学习
摘要
在部分可观测、实时、动态和多智能体环境中，机器人决策仍然是一个困难且未解决的挑战。模型无关强化学习（RL）是一种有前景的学习方法，但在复杂环境中端到端 RL 往往难以实现。为解决此问题在 RoboCup 标准平台联赛（SPL）领域，我们开发了一种新型体系结构，将 RL 集成到经典机器人堆栈中，同时采用多保真 sim2real 方法，并将行为分解为由启发式选择的已学习子行为。我们的体系结构在 2024 年 RoboCup SPL 挑战盾牌赛事中取得了胜利。本文完全描述了我们的系统体系结构，并经验性地分析了贡献其成功的关键设计决策。我们的做法展示了如何将 RL 基础的行为集成到完整的机器人行为体系结构中。
关键词
引用
@article{arxiv.2412.09417,
title = {Reinforcement Learning Within the Classical Robotics Stack: A Case Study in Robot Soccer},
author = {Adam Labiosa and Zhihan Wang and Siddhant Agarwal and William Cong and Geethika Hemkumar and Abhinav Narayan Harish and Benjamin Hong and Josh Kelle and Chen Li and Yuhao Li and Zisen Shao and Peter Stone and Josiah P. Hanna},
journal= {arXiv preprint arXiv:2412.09417},
year = {2025}
}
备注
ICRA 2025