机器人分层图神经元：一种用于群体机器人行为控制的 HGN 新实现
机器人学
2021-09-07 v1 人工智能
多智能体系统
摘要
本文探讨了一种新颖的分层图神经元 (HGN) 形式在机器人智能体群体运行中行为选择的应用。这种新 HGN 称为机器人-HGN (R-HGN)，其通过融合来自时间维与群体内集合的匹配概率，将机器人环境观测与环境标签进行匹配。该方法对 HGN 而言是新颖的，因为它解决了机器人观测为伪连续数值而非类别值的问题。此外，所提方法节省内存与计算功耗，因此可用于单板计算机等移动设备，这类设备常用于移动机器人智能体。该 R-HGN 方法通过与单独行为实现和随机行为选择进行对比验证。对比在两组仿真环境中进行：一组用于挑战 R-HGN 所掌握的行为，另一组为随机生成、对机器人群体而言比 R-HGN 训练条件更具挑战性的环境。研究发现 R-HGN 在两组环境中均能实现恰当的行为选择，从而在预训练与未知环境条件下取得显著的群体性能。
引用
@article{arxiv.1910.12415,
title = {Robotic Hierarchical Graph Neurons. A novel implementation of HGN for swarm robotic behaviour control},
author = {Phillip Smith and Aldeida Aleti and Vincent C. S. Lee and Robert Hunjet and Asad Khan},
journal= {arXiv preprint arXiv:1910.12415},
year = {2021}
}