Multi Agent Navigation in Unconstrained Environments using a Centralized Attention based Graphical Neural Network Controller

要約

この研究では、複数の車両を同時にナビゲートするための縦方向と横方向の両方の制御コマンドを提供する学習ベースのニューラル モデルを提案します。
目標は、制約のない環境で他の車両や障害物に衝突することなく、各車両が確実に望ましい目標状態に到達することです。
このモデルは、周囲のすべての車両の状態を考慮して情報に基づいた意思決定を行う、注意ベースのグラフィカル ニューラル ネットワーク パラダイムを利用しています。
これにより、各車両は他のエージェントとの衝突を回避しながらスムーズに目的地に到着することができます。
このようなネットワークをトレーニングするためのデータと対応するラベルは、最適化ベースの手順を使用して取得されます。
実験結果は、私たちのモデルが、トレーニング データよりも車両が多い状況にも一般化できるほど強力であることを示しています。
また、私たちの方法は、同等のグラフィカル ニューラル ネットワーク アーキテクチャよりも優れています。
コードと補足情報を含むプロジェクト ページは、https://yininghase.github.io/multi-agent-control/ にあります。

要約(オリジナル)

In this work, we propose a learning based neural model that provides both the longitudinal and lateral control commands to simultaneously navigate multiple vehicles. The goal is to ensure that each vehicle reaches a desired target state without colliding with any other vehicle or obstacle in an unconstrained environment. The model utilizes an attention based Graphical Neural Network paradigm that takes into consideration the state of all the surrounding vehicles to make an informed decision. This allows each vehicle to smoothly reach its destination while also evading collision with the other agents. The data and corresponding labels for training such a network is obtained using an optimization based procedure. Experimental results demonstrates that our model is powerful enough to generalize even to situations with more vehicles than in the training data. Our method also outperforms comparable graphical neural network architectures. Project page which includes the code and supplementary information can be found at https://yininghase.github.io/multi-agent-control/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google