【CMU博士论文】基于学习的方法应对多智能体主动搜索中的实际挑战

正文

请到「今天看啥」查看全文

在自主智能体（无论是软件形式还是具身实体）应用中， 交互式决策制定 对于其有效运作至关重要。通常，智能体在一个 多智能体环境 中进行交互，其目标是实现各自或共享的目标。

在本论文中，我们研究了 多智能体自适应决策问题 ，并以**多智能体主动搜索（Multi-Agent Active Search, MAAS）**框架为基础，重点聚焦于多机器人团队在搜索与救援、野生动物巡逻或环境监测等应用场景中的实践问题。

MAAS涉及一个机器人团队（智能体）在其过去观测的基础上，决定何时、在哪里获取周围环境的信息，以估计不同目标物体（OOIs，感兴趣物体）的存在与位置。智能体之间通过 异步通信 进行协作，无需依赖中心控制器协调其互动。在实际环境中， 智能体间通信可能并不可靠 ，而且野外环境中的机器人还需应对

请到「今天看啥」查看全文