ALAN: adaptive learning for multi-agent navigation
ALAN: adaptive learning for multi-agent navigation
复制标题
ALAN：多智能体导航的自适应学习
DOI：
10.1007/s10514-018-9719-4
复制
发表时间：
2018
影响因子：
3.5
通讯作者：
Gini, Maria
中科院分区：
文献类型：
--
作者：
Godoy, Julio;Chen, Tiannan;Guy, Stephen J.;Karamouzas, Ioannis;Gini, Maria
在多智能体导航中，智能体需要朝着目标位置移动，同时避免与其他智能体和障碍物发生碰撞，通常没有通信。现有的方法计算的运动是局部最优的，但不考虑所有代理的聚合运动，产生效率低下的全球行为，特别是当代理在拥挤的空间移动。在这项工作中，我们开发了一种方法，允许代理动态地调整他们的行为，以适应当地的条件。我们制定的多智能体导航问题作为一个动作选择问题，并提出了一种方法，ALAN，允许代理计算时间效率和无碰撞的运动。ALAN是高度可扩展的，因为每个智能体都使用一组针对各种导航任务优化的速度来决定如何移动。实验结果表明，代理使用ALAN，在一般情况下，到达目的地的速度比使用ORCA，一个国家的最先进的避碰框架，和其他两个导航模型。
In multi-agent navigation, agents need to move towards their goal locations while avoiding collisions with other agents and obstacles, often without communication. Existing methods compute motions that are locally optimal but do not account for the aggregated motions of all agents, producing inefficient global behavior especially when agents move in a crowded space. In this work, we develop a method that allows agents to dynamically adapt their behavior to their local conditions. We formulate the multi-agent navigation problem as an action-selection problem and propose an approach, ALAN, that allows agents to compute time-efficient and collision-free motions. ALAN is highly scalable because each agent makes its own decisions on how to move, using a set of velocities optimized for a variety of navigation tasks. Experimental results show that agents using ALAN, in general, reach their destinations faster than using ORCA, a state-of-the-art collision avoidance framework, and two other navigation models.
登录
查看更多内容
去中心化 POMDP 的协调多智能体学习
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Chongjie Zhang;V. Lesser
通讯作者：
V. Lesser
DOI：
10.1609/aiide.v6i1.12390
发表时间：
2010-10
期刊：
Proceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment
影响因子：
--
作者：
Lisa A. Torrey
通讯作者：
Lisa A. Torrey
使用非线性状态反馈的两轴机器人操纵器的解耦：案例研究
DOI：
10.1177/027836498400300304
发表时间：
1984
期刊：
The International Journal of Robotics Research
影响因子：
--
作者：
S. Fournier;R. Schilling
通讯作者：
R. Schilling
DOI：
10.1109/sfcs.1984.715921
发表时间：
2015-08
期刊：
--
影响因子：
--
作者：
D. Kornhauser;G. Miller;P. Spirakis
通讯作者：
D. Kornhauser;G. Miller;P. Spirakis
DOI：
10.2312/sca/sca11/043-052
发表时间：
2011
期刊：
Proceedings Computer Animation 1999
影响因子：
--
作者：
S. Guy;Sujeong Kim;M. Lin;Dinesh Manocha
通讯作者：
Dinesh Manocha