Learning to Imitate Spatial Organization in Multi-robot Systems

要約

ロボットの群れが共有環境で信頼できるようにするには、集団の行動とそれがどのように進化するかを理解することが重要です。
群れの行動を理解する 1 つの方法は、事前のデモンストレーションを使用して集団行動を再構築することです。
既存のアプローチでは、多くの場合、利用できない可能性がある swarm コントローラーへのアクセスが必要になります。
私たちは、群コントローラー情報を使用せずに、共有環境を含む個別の群シナリオで集団行動を再構築します。
これは、マルチエージェント生成的敵対的模倣学習 (MA-GAIL) を使用して行動を再構築する前に、以前のデモンストレーションをマルチエージェントの相互作用を記述する特徴に変換することで実現します。
私たちのアプローチは、空間構成において既存のアルゴリズムよりも優れており、元のロボットの群れでは非現実的または望ましくない可能性がある、さらなる分析とテストのために群れの動作を観察および再構築するために使用できることを示します。

要約(オリジナル)

Understanding collective behavior and how it evolves is important to ensure that robot swarms can be trusted in a shared environment. One way to understand the behavior of the swarm is through collective behavior reconstruction using prior demonstrations. Existing approaches often require access to the swarm controller which may not be available. We reconstruct collective behaviors in distinct swarm scenarios involving shared environments without using swarm controller information. We achieve this by transforming prior demonstrations into features that describe multi-agent interactions before behavior reconstruction with multi-agent generative adversarial imitation learning (MA-GAIL). We show that our approach outperforms existing algorithms in spatial organization, and can be used to observe and reconstruct a swarm’s behavior for further analysis and testing, which might be impractical or undesirable on the original robot swarm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google