MARC: A multi-agent robots control framework for enhancing reinforcement learning in construction tasks

要約

ロボットに人間の行動をエミュレートさせることは、特に複数のロボットが関与するシナリオでは常に課題を引き起こします。
本稿では、建設作業におけるロボット制御のためのマルチエージェント強化学習の実現を目的としたフレームワークを紹介しました。
建設業界では、複数のロボット間の複雑な対話と調整が必要になることが多く、効果的なコラボレーションと効率的なタスクの実行を可能にするソリューションが求められています。
私たちが提案したフレームワークは、近接ポリシー最適化の原則を活用し、ロボットが高度な制御ポリシーを取得できるようにするマルチエージェント バージョンを開発しました。
私たちは、建設環境で 4 つの異なる共同作業を学習することで、フレームワークの有効性を評価しました。
その結果、衝突を効果的に防止しながら、複数のロボットが複雑な建設作業においてその動作を学習して適応できるようにするという、私たちのアプローチの能力が実証されました。
この結果は、強化学習アルゴリズムと逆運動学の利点を組み合わせて探索する可能性も明らかにしました。
この研究の結果は、建設ロボットの分野におけるマルチエージェント強化学習の進歩に貢献しました。
ロボットが人間と同じように動作し、効果的に連携できるようにすることで、より効率的で柔軟でインテリジェントな建設プロセスへの道を切り開きます。

要約(オリジナル)

Letting robots emulate human behavior has always posed a challenge, particularly in scenarios involving multiple robots. In this paper, we presented a framework aimed at achieving multi-agent reinforcement learning for robot control in construction tasks. The construction industry often necessitates complex interactions and coordination among multiple robots, demanding a solution that enables effective collaboration and efficient task execution. Our proposed framework leverages the principles of proximal policy optimization and developed a multi-agent version to enable the robots to acquire sophisticated control policies. We evaluated the effectiveness of our framework by learning four different collaborative tasks in the construction environments. The results demonstrated the capability of our approach in enabling multiple robots to learn and adapt their behaviors in complex construction tasks while effectively preventing collisions. Results also revealed the potential of combining and exploring the advantages of reinforcement learning algorithms and inverse kinematics. The findings from this research contributed to the advancement of multi-agent reinforcement learning in the domain of construction robotics. By enabling robots to behave like human counterparts and collaborate effectively, we pave the way for more efficient, flexible, and intelligent construction processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google