NeuronsMAE: A Novel Multi-Agent Reinforcement Learning Environment for Cooperative and Competitive Multi-Robot Tasks

要約

マルチエージェント強化学習 (MARL) は、さまざまな困難な問題で目覚ましい成功を収めています。
その間、ますます多くのベンチマークが出現し、さまざまな分野でアルゴリズムを評価するためのいくつかの基準が提供されています。
一方では、仮想 MARL 環境には、現実世界のタスクとアクチュエータの能力に関する知識が欠けており、他方では、現在のタスク固有のマルチロボット プラットフォームは、マルチエージェント強化学習アルゴリズムの一般性に対するサポートが不十分であり、不足しています。
シミュレーションから実環境への移行をサポート。
仮想 MARL 環境と実際のマルチロボット プラットフォームとの間のギャップを埋めることが、MAR アルゴリズムの実用性を促進するための鍵となります。
この論文では、NeuronsMAE (Neurons Multi-Agent Environment) と名付けられた実際のマルチロボット タスク用の新しい MARL 環境を提案します。
この環境は、協調的および競争的なマルチロボット タスクをサポートし、シミュレーションから現実へのマルチエージェント ポリシーの移行を研究するための豊富なパラメーター インターフェイスで構成されています。
このプラットフォームを使用して、さまざまな一般的な MARL アルゴリズムを評価し、マルチロボット タスク用の新しい MARL ベンチマークを構築します。
このプラットフォームが、実際のロボット タスクに対する MARL アルゴリズムの研究と応用を促進することを願っています。
ベンチマークとオープンソース コードに関する情報が公開されます。

要約(オリジナル)

Multi-agent reinforcement learning (MARL) has achieved remarkable success in various challenging problems. Meanwhile, more and more benchmarks have emerged and provided some standards to evaluate the algorithms in different fields. On the one hand, the virtual MARL environments lack knowledge of real-world tasks and actuator abilities, and on the other hand, the current task-specified multi-robot platform has poor support for the generality of multi-agent reinforcement learning algorithms and lacks support for transferring from simulation to the real environment. Bridging the gap between the virtual MARL environments and the real multi-robot platform becomes the key to promoting the practicability of MARL algorithms. This paper proposes a novel MARL environment for real multi-robot tasks named NeuronsMAE (Neurons Multi-Agent Environment). This environment supports cooperative and competitive multi-robot tasks and is configured with rich parameter interfaces to study the multi-agent policy transfer from simulation to reality. With this platform, we evaluate various popular MARL algorithms and build a new MARL benchmark for multi-robot tasks. We hope that this platform will facilitate the research and application of MARL algorithms for real robot tasks. Information about the benchmark and the open-source code will be released.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google