多机器人在混乱环境中的运动规划中强化的势场
摘要：多机器人在无通信的拥挤环境中进行运动规划是具有挑战性的，尤其要考虑实时效率、运动安全、分布式计算和轨迹优化等方面。本文提出了一种增强型潜力场方法，用于分布式多机器人运动规划，该方法是强化学习和人工潜力场的综合设计。提出了一种带有自注意机制的观察嵌入，用于建模机器人与机器人、机器人与环境的相互作用。开发了一种软式随墙行驶规则，以提高轨迹的平滑性。我们的方法属于反应性规划，但环境属性被隐式编码。我们的方法中的机器人总数可以按比例增加到任意数量。通过数值模拟实验证明了我们的方法相对于基本潜力场和强化学习方法的性能改进。还使用四旋翼飞行器进行了实验以进一步说明我们的方法的竞争力。
作者：Dengyu Zhang, Xinyu Zhang, Zheng Zhang, Bo Zhu, and Qingrui Zhang
论文ID：2307.14110
分类：Robotics
分类简称：cs.RO
提交时间：2023-07-27