异构多团队系统中的利他协作学习
论文将机器人视为可转移资源，研究异构多团队协作中的动态分配问题，并借鉴生态学汉密尔顿法则构建利他决策机制，该一般异构资源分配问题被证明为NP难。作者提出集中训练、分散执行的图神经网络策略，在团队交互图上预测机器人级转移决策与机器人到团队的分配。灭火场景评估中，15台机器人的五次配对物理试验显示，GNN在全部五次试验中达到建模的灭火停止阈值，静态固定团队分配仅两次达到。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Learning Altruistic Collaboration in Heterogeneous Multi-Team Systems》查看原链
本文通过动态机器人分配研究异构多团队协作，将机器人本身视为可转移资源。 借鉴生态学中的汉密尔顿法则作为利他决策机制，提出一个多团队协作资源分配框架，该框架考虑异构能力、转移成本和能力相关贡献。 由此产生的一般异构资源分配问题是组合优化问题，并被证明是NP难的。
为解决可扩展性问题，我们开发了一种在集中训练、分散执行下运行的图神经网络策略，基于汉密尔顿法则近似利他分配。 该模型在团队交互图上运行，预测机器人级别的转移决策以及随后的机器人到团队分配。 所提方法在灭火场景中与精确优化和多步仿真进行对比评估，量化分配质量、决策计算和灭火效果。
在15台机器人上进行的五次配对物理测试台试验，比较了学习到的重新分配与固定团队组成；GNN在全部五次试验中达到建模的灭火停止阈值，而静态分配仅两次达到。