基于深度强化学习与势场、利用 2D 激光扫描的社会感知多智能体跟随
机器人学
2021-09-07 v1
摘要
动态行人环境中的目标跟随是移动机器人的重要任务。然而，在拥挤环境中保持对目标的跟踪同时避免碰撞具有挑战性，尤其当仅有一个机器人时。本文提出一种多智能体方法，使任意数量的机器人仅利用 2D 激光扫描以社会感知方式跟随目标。该多智能体跟随问题通过结合强化学习与势场的互补优势来解决：强化学习部分处理局部交互，同时导航至由势场分配的目标。具体而言，借助障碍物地图表示中的激光扫描，基于学习的策略可帮助机器人提前避开静态障碍物和行人等动态障碍物，即社会感知。而每个机器人的编队控制与目标分配则来自利用所有跟随机器人聚合状态信息构建的以目标为中心的势场。实验在多种设置下进行，包括随机障碍物分布和不同数量的机器人。结果表明，我们的方法在未见动态环境中成功运作。机器人仅用 2D 激光扫描即可以符合社会规范的方式跟随目标。
引用
@article{arxiv.2109.01874,
title = {Socially-Aware Multi-Agent Following with 2D Laser Scans via Deep Reinforcement Learning and Potential Field},
author = {Yuxiang Cui and Xiaolong Huang and Yue Wang and Rong Xiong},
journal= {arXiv preprint arXiv:2109.01874},
year = {2021}
}
备注
6 pages, 6 figures, conference