clutteredな環境でのマルチロボット動作計画のための強化ポテンシャルフィールド

通信のない clutteredな環境で複数のロボットの動作計画は、リアルタイムの効率、動作の安全性、分散計算、軌道の最適性などの観点から非常に困難です。本論文では、強化学習と人工ポテンシャルフィールドの統合設計である、分散マルチロボット動作計画のための強化ポテンシャルフィールド手法を開発しました。ロボット間およびロボット-環境相互作用をモデル化するために、自己注意メカニズムを備えた観察埋め込みが提示されます。軌道の滑らかさを向上させるために、ソフト壁追従ルールが開発されました。私たちの手法は反応計画に属しますが、環境の特性は暗黙的にエンコードされています。私たちの手法では、ロボットの総数は任意の数にスケーリング可能です。従来のAPFおよびRL手法に対する性能向上が数値シミュレーションによって示されています。実験では、クワッドローターを使用して私たちの手法の能力をさらに示しています。