多机器人规划的圣杯：从离线最优专家学习生成在线可扩展解
机器人学
2021-07-27 v1 机器学习
多智能体系统
摘要
许多多机器人规划问题受维数灾难所累，这加剧了将解应用于大规模问题实例的困难。在多机器人规划中使用基于学习的方法大有前景，因为它使我们能够将昂贵但最优的求解器在线计算负担转嫁到离线学习过程。简言之，其思想是训练一个策略以复制由小规模系统生成的最优模式，然后将该策略迁移到更大得多的系统，期望所学策略可扩展，同时保持近最优性能。然而，若干议题阻碍我们充分发挥该思想的潜力。这篇蓝天论文阐述了其中若干关键挑战。
引用
@article{arxiv.2107.12254,
title = {The Holy Grail of Multi-Robot Planning: Learning to Generate Online-Scalable Solutions from Offline-Optimal Experts},
author = {Amanda Prorok and Jan Blumenkamp and Qingbiao Li and Ryan Kortvelesy and Zhe Liu and Ethan Stump},
journal= {arXiv preprint arXiv:2107.12254},
year = {2021}
}