Navigace více robotů s využitím posilovaného učení

Abstract

V posledních letech se multirobotním sys- témům dostává značné pozornosti kvůli jejich potenciálu řešit složité problémy v různých oblastech, včetně zpravodaj- ství, sledování a logistiky. Posílení učení (RL) se ukázalo jako slibný přístup pro výuku robotů, jak efektivně navigovat a spolupracovat v dynamických prostředích. V této studii zkoumáme aplikaci technik RL, abychom umožnili autonomní navi- gaci více robotů a zároveň zabránili koli- zím a efektivně prozkoumali prostředí.

In recent years, multi-robot systems have received significant attention due to their potential to solve complex problems in var- ious fields, including intelligence, surveil- lance and logistics. Reinforcement learn- ing (RL) has emerged as a promising ap- proach for teaching robots to effectively navigate and cooperate in dynamic envi- ronments. In this study, we explore the application of RL techniques to enable autonomous navigation of multiple robots while avoiding collisions and efficiently ex- ploring the environment.