GNN with Model-based RL for Multi-agent Systems

要約

マルチエージェント システム (MAS) は、マシン インテリジェンスと高度なアプリケーションを探索する上で重要な役割を果たします。
MAS シナリオ内の複雑な相互作用を深く調査するために、私たちは当初「MBRL 用 GNN」モデルを提案しました。これは、特定の MAS ミッション (ビリヤード回避、自動運転など) に対処するためにモデルベースの強化学習を備えた状態空間グラフ ニューラル ネットワークを利用します。
車）。
詳細には、最初に GNN モデルを使用して複数のエージェントの将来の状態と軌道を予測し、次にクロスエントロピー法 (CEM) に最適化されたモデル予測制御を適用して、エゴエージェントの計画アクションを支援し、特定の MAS タスクを正常に達成しました。

要約(オリジナル)

Multi-agent systems (MAS) constitute a significant role in exploring machine intelligence and advanced applications. In order to deeply investigate complicated interactions within MAS scenarios, we originally propose ‘GNN for MBRL’ model, which utilizes a state-spaced Graph Neural Networks with Model-based Reinforcement Learning to address specific MAS missions (e.g., Billiard-Avoidance, Autonomous Driving Cars). In detail, we firstly used GNN model to predict future states and trajectories of multiple agents, then applied the Cross-Entropy Method (CEM) optimized Model Predictive Control to assist the ego-agent planning actions and successfully accomplish certain MAS tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google