多智能体系统下协作任务的组合-混合优化
摘要：多智能体系统在同时和协同工作时可以非常高效，例如在交通、维护、搜索和救援等方面。协调这些团队常涉及两个方面：(i) 为不同任务选择合适的子团队；(ii) 设计协同控制策略来执行这些任务。前者对团队规模而言可能是组合性的，而后者需要在几何和动态约束条件下对联合状态空间进行优化。现有的工作通常通过假设给定另一个方面来解决一个方面，而忽略了它们之间的密切依赖关系。本研究将这些问题形式化为组合混合优化（CHO），其中同时且迭代地优化了离散的协作模式和连续的控制参数。所提出的框架由两个交错的层组成：任务联合的动态形成和协同行为的混合优化。为了提高计算效率，不同粒度上近似估计了不同任务执行不同任务的各个联合的整体可行性和成本。最后，提出了关于任务分配和执行的Nash稳定策略，并对可行性和质量提供了可证明的保证。针对几个基线问题，研究了协同运输和动态捕获的两个非平凡应用。
作者：Zili Tang, Junfeng Chen and Meng Guo
论文ID：2305.12860
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-29