- 农学科研必备!农学类适合投稿的S 54
- CPCI检索是否已经停止 69
- 出版一本属于自己的书详细步骤 58
- 介绍一些神经心理学的优秀论文题目 42
- 浅析《医药导报》期刊有关快速发表 34
- 高级职称评定条件有哪些呢? 68
- 查找导师发表的SCI文章的方法 31
- 发表经济史论文相关的期刊都有哪些 44
- 关于有机农业方向论文题目借鉴及期 56
- SSCI论文评职称必须是第一作者 74
- 支付版面费时是选择开源还是非开源 74
- 审稿比较快的心理学SCI二区和三 53
- rights and acces 44
- 浅析SCI论文发表重要点有哪些? 44
- 论文答辩会前 需要注意哪些事项 65
- 吉林大学 20394
- 湖北工程学院 20419
- 内蒙古天马旅行社旅游有限公司 1423
- 中国健康促进协会 23440
- 佛山市顺德区美的微波电器制造有限 22439
- 北京礼瑞文化 20381
- 哈尔滨医科大学 1414
- 南京工业大学 7390
- 中国科学院生态环境研究中心+召开 1370
- 中国土壤学会 20447
- 汇思软件(上海)有限公司 17401
- 西北农林科技大学 7376
- 全国高管委细胞应用管理专业委员会 1395
- 中国环境科学学会 22400
- 江苏省苏州大学 20389
- 北京盛世华典文化发展有限公司 22403
- 武汉丰易学文化传播有限公司 7368
- 中关村精准医学基金会 7414
- 北京优合信网络技术有限公司 7385
- djfdvn 23394
人工智能研究院助理教授杨耀东及合作者在多机器人安全协同控制研究中取得进展
2024/04/09
近日,人工智能研究院助理教授杨耀东及合作者在Artificial Intellgence Journal发表了题为“Safe multi-agent reinforcement learning for multi-robot control”的论文,提出了基于多智能体强化学习的多机器人决策安全性问题和相关算法以及Benchmarks,旨在解决多机器人协同控制中的安全问题。该研究为多机器人系统的安全控制提供了一种全新的解决方案,并为相关领域的发展作出了重要的贡献。
图1. 多机器人协作完成焊接任务
图2. 多车协作完成自动驾驶避让
目前,多机器人系统已经广泛应用于各种领域,包括工业自动化、物流配送、救援任务等。然而,多机器人系统的控制仍存在一些困难和挑战,如机器人之间的相互作用、动态环境变化等,这些都给多机器人系统的安全控制带来了很大的难度。安全一直是机器人系统开发中的长期追求。在本研究中,研究人员采用安全强化学习解决机器人安全控制问题。在安全强化学习中,约束马尔可夫决策过程通常用于描述安全控制问题。在每个决策步骤中,环境都会产生决策的回报和成本,每个机器人需要在最大限度地提高奖励性能的同时,避免违反安全约束。然而,在现实世界中安全地协同控制多个机器人是一个具有挑战性的问题。更具体地说,需要确保每个机器人在非稳定的环境中尽可能好地完成任务(比如,奖励值越大越好),并且保证每个机器人的安全。例如,在图1中,多个工业机器人如何安全地协作完成焊接任务;在图2中,多个自动驾驶汽车如何安全地协作完成自动驾驶避让。
针对上述问题,本研究团队研究了多机器人协同控制的安全问题,并采用了基于多智能体强化学习的方法来解决。在这个问题中,每个机器人需要满足自己的安全约束,同时最大化其奖励,还必须考虑其他机器人的安全约束以保证整个机器人集群的安全性。
为实现上述目标,研究者首先将问题描述为带安全约束的马尔可夫博弈(图3),并采用策略优化理论来实现带安全约束的策略更新。在这个方法中,所有智能体都需要协作以最大化奖励值,并同时考虑安全约束。通过带安全约束的策略优化,研究者所提出的方法能够保证在每次算法迭代时满足安全约束,同时实现奖励值的单调上升。根据研究者提出的安全引理表明,当所有智能体的策略变化都足够小时,每个智能体都可以通过只考虑其自身的代理回报和代理成本来学习更好的策略。
图3. 带安全约束的马尔可夫博弈过程示意图
其次,基于本研究提出的安全引理、多智能体强化学习优势函数分解理论和顺序更新范式(图4),作为理论解的近似,研究者提出了两种安全的多智能体策略优化算法:多智能体的约束策略优化算法和多智能体近似策略优化的拉格朗日算法。我们利用神经网络来参数化智能体的策略,并分别基于线性搜索和拉格朗日优化算法来搜索安全策略,以此作为理论解的近似。
图4. 多智能体优势分解引理以及顺序更新范式示意图
第三,为了实现基于强化学习的多机器人安全协同控制,研究者开发了三个多智能体强化学习基准测试(benchmarks),它们都考虑了安全要素。这三个基准测试分别是:
Safe Multi-Agent MuJoCo(如图5、图6和图7所示),每一种颜色代表一个智能体,它们需要协作完成任务,例如向前移动,并且确保安全,即不碰撞到图中的红色墙壁;
Safe Multi-Agent Robosuite(图8、图9所示),多个机器人需要完成抓取或插入等任务,同时不能碰到图中的红色障碍物;
Safe Multi-Agent Isaac Gym(图10、图11所示),机器手需要将物体从一个手中抛到另外一个手中,并满足安全约束,如手指自由度约束等。
最后,研究者在以上三个考虑安全性的基准测试上进行实验,结果表明,与目前前沿的算法相比,本研究的方法可以在提高奖励和满足安全约束之间取得很好的性能。
图5. Safe 4x2-Ant task
图6. Safe 2x3-Manyagent Ant task
图7. Safe p1p-couple HalfCheetah task
图8. Safe 14x1-TwoArmPegInHole task
图9. Safe 4x2-Lift task
图10. Safe 2x6-ShadowHandOver tasks
图11. Safe 2x6-ShadowHandOver2Uderarm task
综上所述,本研究通过引入安全性约束条件和多智能体强化学习技术,提出了一种新的解决方案。该方法通过引入多个机器人之间带约束的策略优化理论,使得每个机器人都可以在与其他机器人协同工作的同时,保持自身的安全性。在实验中,研究者验证了该方法的有效性和可行性。
该研究的贡献在于为多机器人系统提供了一种全新的安全控制技术,使机器人之间可以更加协同高效地工作。此外,该工作也为人工智能领域的研究提供了更多的思路和启示。未来,该研究团队将继续深入研究多机器人系统的安全控制技术,为智能制造和智慧物流等领域的发展作出更大的贡献。
北京大学人工智能研究院研究助理、慕尼黑工业大学计算机学院博士生顾尚定,牛津大学Kuba Grudzień为该论文的共同第一作者,杨耀东为通讯作者。合作者包括伦敦国王大学助理教授杜雅丽、慕尼黑工业大学Alois Knoll教授。
文章来源北京大学新闻网,分享只为学术交流,如涉及侵权问题请联系我们,我们将及时修改或删除。
中国地震局地震预测研究所在板块俯冲与地幔相互作用研究方面取得进展
首都医科大学附属北京天坛医院团队在缺血性卒中二级预防策略研究方面取得进展
北京大学人工智能研究院朱松纯、朱毅鑫团队在可理解和解释直觉物理违反预期现象的研究方面取得进展
广州医科大学在宫内环境与遗传因素对子代健康影响的研究方面取得进展
第四届计算机图形学、图像与虚拟化研究国际会议(ICCGIV 2024)(2024-05-17)
第九届机电控制技术与交通运输国际学术会议(ICECTT 2024)(2024-05-24)
2024年教育政策与实践研讨会(ICEPP 2024)(2024-05-24)
第三届机电一体化与机械工程国际会议(ICMME2024)(2024-05-24)
2024年电子器件、传感控制技术与光学机械工程国际学术会议(EDSCTOE 2024)(2024-05-25)
第十四届地质和地球物理学国际会议(ICGG 2024)(2024-05-31)
2024年食品工程与农业科学国际会议(ICFEAS 2024)(2024-06-02)
2024年第三届网络、通信与信息技术国际会议(CNCIT 2024)(2024-06-07)
第十届机械工程、材料和自动化技术国际会议(MMEAT 2024)(2024-06-21)
2024年先进机器人,自动化工程与机器学习国际会议(ARAEML 2024)(2024-06-28)
2024年深度学习,人工智能与信息技术国际会议(DLAIIT 2024)(2024-5-22)
2024年交通工程、动力与能源国际会议 (TEPE 2024)(2024-6-25)
2024年兽医学与生物医用材料国际会议(ICVMBM 2024)(2024-6-29)
2024年船舶、机械制造与海洋科学国际会议(ICSEMMS2024)(2024-7-21)
2024年大数据与教育科学国际学术会议 (ICBDES 2024)(2024-5-26)
2024通信技术、密码学与网络安全国际学术会议(ICCTCNS 2024)(2024-6-24)
2024年计算机应用与智能控制国际学术会议(ICCAIC 2024)(2024-5-29)
2024实验室安全管理及应急处置专题培训提升班(2024-5-24)
2024年智能电网、大数据无线通信国际会议(SGBDWC 2024)(2024-5-25)
2024年公共卫生与现代医学国际会议(ICPHMM 2024)(2024-5-26)