VGAI：基于视觉的机器人集群分散控制器的端到端学习
系统与控制
2020-12-11 v2 计算机视觉与模式识别
系统与控制
摘要
机器人集群的分散式协调需要解决局部感知与行动同全局目标达成之间的张力。在这项工作中，我们提出基于纯原始视觉输入学习分散式控制器。首次将通信与视觉感知两个关键组件的学习集成于一个端到端框架中。更具体地，我们考虑每个机器人可访问对即时周围环境的视觉感知，以及向其他邻近机器人发送和接收消息的通信能力。我们提出的的学习框架为每个机器人结合一个卷积神经网络（CNN）以从视觉输入中提取消息，以及一个覆盖整个集群的图神经网络（GNN）来传输、接收和处理这些消息以决定行动。GNN与本地运行的CNN的使用自然产生一个分散式控制器。我们联合训练CNN与GNN，使每个机器人学会从图像中提取对整个团队而言充分的消息。我们的实验在无人机集群编队问题中展示了所提架构，并显示出其有前景的性能与可扩展性，例如，对多达75架无人机组成的大规模集群实现成功的分散式编队。
引用
@article{arxiv.2002.02308,
title = {VGAI: End-to-End Learning of Vision-Based Decentralized Controllers for Robot Swarms},
author = {Ting-Kuei Hu and Fernando Gama and Tianlong Chen and Zhangyang Wang and Alejandro Ribeiro and Brian M. Sadler},
journal= {arXiv preprint arXiv:2002.02308},
year = {2020}
}