SRL-ORCA：复杂动态场景中具社会感知的多智能体无地图导航算法
机器人学
2023-06-21 v1
摘要
对于真实世界导航而言，赋予机器人在同时含动态与非凸静态障碍的复杂环境中安全高效导航的能力十分重要。然而，在无地图条件下实现非凸复杂环境的路径规划，并令多机器人遵循社会规则进行避障仍是具有挑战性的问题。在本快报中，我们提出一种具社会感知的机器人无地图导航算法，即安全强化学习-最优互反碰撞避免（Safe Reinforcement Learning-Optimal Reciprocal Collision Avoidance, SRL-ORCA）。这是一种多智能体安全强化学习算法，利用 ORCA 作为外部知识提供安全性保障。该算法进一步引入人类社会的交通规范，以增进社会舒适度并通过遵循人类社交习俗实现协同避障。实验结果表明，SRL-ORCA 学到了遵守特定交通规则的策略。相较于 DRL，SRL-ORCA 在应用相同训练网络的不同复杂场景混合设定下，导航成功率显著提升。SRL-ORCA 能够应对非凸障碍环境而不陷入局部极小区域，且相较于 ORCA 在路径质量（即到达目标平均时间）上有 14.1\% 的改进。视频见 https://youtu.be/huhXfCDkGws。
引用
@article{arxiv.2306.10477,
title = {SRL-ORCA: A Socially Aware Multi-Agent Mapless Navigation Algorithm In Complex Dynamic Scenes},
author = {Jianmin Qin and Jiahu Qin and Jiaxin Qiu and Qingchen Liu and Man Li and Qichao Ma},
journal= {arXiv preprint arXiv:2306.10477},
year = {2023}
}