基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)作研究.pdf

1、近年來在機(jī)器人學(xué)研究中，多機(jī)器人系統(tǒng)成為了最具研究價值的領(lǐng)域。多機(jī)器人系統(tǒng)被廣泛應(yīng)用在許多領(lǐng)域，如地圖構(gòu)建、協(xié)作搬運、以及體育對抗中。對于單機(jī)器人難以完成的任務(wù)，多機(jī)器人可以通過協(xié)作機(jī)制出色的完成。如今人們開始更多的去研究機(jī)器人協(xié)作機(jī)制，通過機(jī)器人與環(huán)境、機(jī)器人之間的交互學(xué)習(xí)，使多機(jī)器人系統(tǒng)具有了適應(yīng)未知新環(huán)境的能力。這種研究方法將成為機(jī)器人研究中最具潛力的研究方法之一。
　　 最近幾十年，強(qiáng)化學(xué)習(xí)算法作為一種先進(jìn)的機(jī)器人學(xué)習(xí)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(jī)器人與環(huán)境的交互作用獲得新知識，從而改進(jìn)行動方式，使其具有自學(xué)能力。本文以多機(jī)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(qiáng)化學(xué)習(xí)的多機(jī)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(qiáng)化學(xué)習(xí)中引入了組合動作這一概念，采用基于動作預(yù)測的多機(jī)器人強(qiáng)化學(xué)習(xí)算法使多機(jī)器人系統(tǒng)具備預(yù)測機(jī)制思想。首先構(gòu)建了多機(jī)器人預(yù)測強(qiáng)化學(xué)習(xí)的模型框架，以Q學(xué)習(xí)算法為基礎(chǔ)，通過合理劃分狀

3、態(tài)空間與動作空間，設(shè)計強(qiáng)化函數(shù)，并運用概率預(yù)測函數(shù)降低強(qiáng)化學(xué)習(xí)的維數(shù)以加快收斂速度，然后在學(xué)習(xí)初期和工作過程中分別選擇相應(yīng)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(qiáng)化學(xué)習(xí)算法進(jìn)行比較，驗證了動作預(yù)測方法的確可以有效促進(jìn)協(xié)作。
　　 (2)將“信念-愿望-意向”(“Belief-Desire-Intention”，BDI)模型引入多機(jī)器人系統(tǒng)的Q學(xué)習(xí)算法，使其具有邏輯推理能力應(yīng)用于多機(jī)器人協(xié)同搬運的任務(wù)。首先將協(xié)同搬運行為