The Cambridge RoboMaster: An Agile Multi-Robot Research Platform

要約

強力な計算能力と作動能力を備えたコンパクトなロボットプラットフォームは、マルチエージェント研究の実用的な実戦配備を可能にする重要な要素である。本稿では、このような動機から設計されたホロノミック地上ロボットプラットフォーム群に、ハードウェア、制御、シミュレーションソフトウェアを緊密に統合したスタックを紹介する。我々のロボットは、カスタマイズされたDJI Robomaster S1ビークルのフリートであり、十分な計算能力や作動能力を持たない小型ロボットと、屋内のマルチロボットテストには適さない大型ロボットとの間のバランスを提供する。これらのロボットは、完全なオンボード自律性を実現するために、モジュール化されたROS2ベースの最適推定と制御スタックを実行し、アドホックなピアツーピア通信インフラを含み、我々のベクトル化されたマルチエージェントシミュレーションフレームワークで訓練されたマルチエージェント強化学習（MARL）ポリシーをゼロショットで実行することができる。我々は、現在利用可能な他のプラットフォームの詳細なレビューを提示し、我々のシステムの能力の新しい実験的検証を紹介し、幅広い研究実証のためのテストベッドとしての我々のシステムの汎用性と信頼性を強調するケーススタディを紹介する。我々のシステムおよび補足資料はオンラインで入手可能である： https://proroklab.github.io/cambridge-robomaster

要約(オリジナル)

Compact robotic platforms with powerful compute and actuation capabilities are key enablers for practical, real-world deployments of multi-agent research. This article introduces a tightly integrated hardware, control, and simulation software stack on a fleet of holonomic ground robot platforms designed with this motivation. Our robots, a fleet of customised DJI Robomaster S1 vehicles, offer a balance between small robots that do not possess sufficient compute or actuation capabilities and larger robots that are unsuitable for indoor multi-robot tests. They run a modular ROS2-based optimal estimation and control stack for full onboard autonomy, contain ad-hoc peer-to-peer communication infrastructure, and can zero-shot run multi-agent reinforcement learning (MARL) policies trained in our vectorized multi-agent simulation framework. We present an in-depth review of other platforms currently available, showcase new experimental validation of our system’s capabilities, and introduce case studies that highlight the versatility and reliabilty of our system as a testbed for a wide range of research demonstrations. Our system as well as supplementary material is available online: https://proroklab.github.io/cambridge-robomaster

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL