The Cambridge RoboMaster: An Agile Multi-Robot Research Platform

要約

強力なコンピューティング機能と作動機能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際的な現実世界への展開を可能にする重要な要素です。
この記事では、このような動機で設計されたホロノミック地上ロボット プラットフォーム上で緊密に統合されたハードウェア、制御、およびシミュレーション ソフトウェア スタックを紹介します。
カスタマイズされた DJI Robomaster S1 車両のフリートである当社のロボットは、十分な計算能力や作動能力を備えていない小型ロボットと、屋内でのマルチロボット テストには不向きな大型ロボットとの間のバランスを提供します。
モジュール式の ROS2 ベースの最適な推定と制御スタックを実行して完全なオンボード自律性を実現し、アドホックなピアツーピア通信インフラストラクチャを備え、ベクトル化されたマルチエージェントでトレーニング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できます。
エージェント シミュレーション フレームワーク。
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紹介し、システムの機能の新しい実験的検証を紹介し、幅広い研究デモンストレーションのテストベッドとしてのシステムの多用途性と信頼性を強調するケーススタディを紹介します。
当社のシステムと補足資料はオンラインで入手できます。
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 reliability 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, Google