基于Koopman算子的多机器人系统Stackelberg博弈轨迹导引
机器人学
2024-03-05 v2
摘要
导引式轨迹规划涉及领导机器人策略性地引导跟随机器人协作到达指定目的地。然而，当领导者缺乏跟随者决策模型的完整知识时，该任务变得尤为困难。需要基于学习的方法来有效设计协作规划。为此，我们提出了一种基于Koopman算子的Stackelberg博弈方法来应对这一挑战。我们首先通过动态Stackelberg博弈的视角来表述导引式轨迹规划问题。然后利用Koopman算子理论获得一个基于学习的线性系统模型，该模型近似跟随者的反馈动力学。基于该学习模型，领导者利用滚动时域规划设计一条无碰撞轨迹来引导跟随者。我们通过仿真阐明了我们的方法在生成准确预测跟随者多步行为的学习模型方面的有效性，并与替代学习技术进行比较。此外，我们的方法成功完成了导引任务，并且与基于模型的基线方法相比，显著将领导者的规划时间减少到近一半。
引用
@article{arxiv.2309.16098,
title = {Stackelberg Game-Theoretic Trajectory Guidance for Multi-Robot Systems with Koopman Operator},
author = {Yuhan Zhao and Quanyan Zhu},
journal= {arXiv preprint arXiv:2309.16098},
year = {2024}
}