基于強化學習的多機器人協(xié)作研究.pdf

1、近年來在機器人學研究中，多機器人系統(tǒng)成為了最具研究價值的領域。多機器人系統(tǒng)被廣泛應用在許多領域，如地圖構建、協(xié)作搬運、以及體育對抗中。對于單機器人難以完成的任務，多機器人可以通過協(xié)作機制出色的完成。如今人們開始更多的去研究機器人協(xié)作機制，通過機器人與環(huán)境、機器人之間的交互學習，使多機器人系統(tǒng)具有了適應未知新環(huán)境的能力。這種研究方法將成為機器人研究中最具潛力的研究方法之一。
　　 最近幾十年，強化學習算法作為一種先進的機器人學習方

2、法被廣泛的研究。此種方法不需要先驗知識，只是通過機器人與環(huán)境的交互作用獲得新知識，從而改進行動方式，使其具有自學能力。本文以多機器人協(xié)作抬起和搬運物體作為研究背景，主要研究基于強化學習的多機器人協(xié)作行為的獲得方法，所做的工作如下：
　　 (1)在傳統(tǒng)的強化學習中引入了組合動作這一概念，采用基于動作預測的多機器人強化學習算法使多機器人系統(tǒng)具備預測機制思想。首先構建了多機器人預測強化學習的模型框架，以Q學習算法為基礎，通過合理劃分狀

3、態(tài)空間與動作空間，設計強化函數(shù)，并運用概率預測函數(shù)降低強化學習的維數(shù)以加快收斂速度，然后在學習初期和工作過程中分別選擇相應的動作策略，通過仿真實驗將其與無協(xié)作情況和傳統(tǒng)的強化學習算法進行比較，驗證了動作預測方法的確可以有效促進協(xié)作。
　　 (2)將“信念-愿望-意向”(“Belief-Desire-Intention”，BDI)模型引入多機器人系統(tǒng)的Q學習算法，使其具有邏輯推理能力應用于多機器人協(xié)同搬運的任務。首先將協(xié)同搬運行為