基于冲突感知图注意力多智能体近端策略优化的多麦克纳姆轮机器人协同局部导航框架
《Electronics》:Conflict-Aware Graph-Attention MAPPO for Cooperative Local Navigation of Multiple Mecanum Robots
【字体:
大
中
小
】
时间:2026年09月21日
来源:Electronics 2.9
摘要
多麦克纳姆轮机器人的协同局部导航需要在处理机器人之间的冲突、行人以及静态障碍物的同时,保持对清晰路径段上航点的直接跟随。本文提出了冲突感知图注意力多智能体近端策略优化(Conflict-Aware Graph-Attention Multi-Agent Proximal Policy Optimization,CA-GAT-MAPPO),一种基于学习的残差控制与协调框架。通过预测最近接近事件构建冲突条件化的机器人交互图,使策略网络的传递仅限于局部机器人及其预测冲突邻居。残差图编码器保留航点条件化状态,而有界通行权协调器和交互门控机制分别调节纵向、横向和角度的残差控制权。状态相关的自适应标量化方法将多个奖励分量组合为单一训练目标。该框架在与其他控制器共享的A*航点引导、最优互碰碰撞避免(ORCA)风格的先验、指令限制以及安全包络接口环境中进行评估。在三个四机器人Robot Operating System 2(ROS 2)/Gazebo场景中,每种方法-场景组合独立训练了八个检查点,每个检查点在十个随机化回合中进行评估。在四种学习型控制器中,所有960个主对比回合在共享执行边界下均已完成,且在0.1秒采样姿态下未发生几何碰撞或被记录的机器人间或机器人与行人间的近碰撞事件。CA-GAT-MAPPO在全部三个场景中均取得了最低的已报告平均完成时间、最大耗时和等待时间。结果支持在该评估条件下整合式智能控制栈具有描述性的效率优势,但并未确立普适性优越性或形式化安全保证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号