Apr, 2023

多智能体采样式运动规划的分解

PDF
TL;DR为了解决多体智能系统中路径规划难度增大的问题，我们将分解概念引入了取样算法中，并且在寻找解决方案的过程中，通过分解启发式方法将不同的智能体子集分解到独立的低维搜索空间，成功将搜索空间维度增长从指数级减少到线性级别。
roboticspath planningsampling-based algorithmsfactorizationmulti-agent systems
发现论文，激发创造
  • 通过利用在线生成的经验，加速多机器人操作的搜索规划

    通过利用冲突基础搜索算法的重复和增量特性，加速搜索算法的方法使其适用于多臂协调和复杂环境中的机器人操作，从而达到完整和有界的次优性保证。

    Mar, 2024

  • 机器学习与基于采样的运动规划集成调查

    本文综述了如何利用机器学习提高基于采样的运动规划器（SBMPs）的计算效率和适用性，包括提高节点采样、碰撞检测、局部规划等关键组件的学习方法，以及如何利用机器学习构建完整的 SBMP 结构，并提供了方法的优缺点以及未来的研究方向。

    Nov, 2022

  • 引导式运动规划框架

    随机抽样、机器人运动规划、引导空间、信息论方法、混合算法

    Apr, 2024

  • 通过启发式多智能体规划优化智能体协作

    本文提出一种新的算法解决 QDec-POMDP 问题中涉及不同类型感知智能体的问题，当其中一个智能体无法采取感知行为，但另一个智能体可以采取时，要求智能体采用相同的计划。结果表明，该算法在这些情况下比 QDec-FP 和 QDec-FPS 算法表现好得多。

    Jan, 2023

  • 利用高效的非参数信念传播进行节肢物体的分解姿态估计

    本文介绍了一种基于非参数信念传播算法的分解方法，用于估算具有连接约束的物体单元的姿态，并评估其对具有连接对象的场景的收敛特性。

    Dec, 2018

  • 利用动态因式分解将人类提供的信息整合到信念状态表示中

    该篇论文介绍了一个关于机器人在部分观察环境下进行可靠的推理与规划的有效方法，通过提供现实世界中物体属性的概率信息，并采取正确的策略，实现基于内部状态的自我学习，并验证了该方法在两个开放领域的规划问题中的有效性。

    Feb, 2018

  • 基于因子的 MDP 高效解算算法

    本文提出了两种近似解决因子化马尔可夫决策过程的算法，利用基函数表示近似值函数，其中每个基函数仅涉及一个小的子集，使用类似于变量消除的线性规划分解技术将指数级的 LP 规模缩小到多项式级别。我们的动态规划算法使用 max-norm 近似技术，对于超过 10^40 个状态的问题，我们的算法展示了有希望的可扩展性，并将其与现有的最新技术方法进行了比较，在某些问题上计算时间得到了指数级的提升。

    Jun, 2011

  • 评估引导空间用于运动规划

    本文提出了运动规划指导空间的概念，并使用信息理论方法评估引导式规划，为多种机器人动作规划算法的研究提供了新的应用框架。

    Oct, 2022

  • 基于图的多机器人路径规划

    对现代算法的评估表明，针对多机器人系统的多智能体路径规划是解决自动仓库实现，火车调度和非完整机器人导航等多个应用领域重要方面的关键技术。

    Jun, 2022

  • 众多智能体 POMDP 中的分解式在线规划

    在集中式多智能体系统中，使用多智能体部分可观察马尔可夫决策过程（MPOMDPs）进行建模，其中动作和观察空间随着智能体数量呈指数增长，使得单智能体在线规划的价值和信念状态估计变得低效。本研究采用加权粒子滤波和可扩展的信念状态近似方法，同时解决了价值估计和状态估计的挑战，提出了基于稀疏粒子滤波信念树的在线规划算法，该算法在少量智能体的情况下表现出竞争性的性能，并在多智能体的基准测试中胜过现有算法。

    Dec, 2023