控制与决策

作者：刘磊,张浩翔,陈若妍,高岩,王富正,王亚刚

单位：上海理工大学~管理学院，上海~200093;上海理工大学~光电学院，上海~200093,,上海理工大学~光电学院，上海~200093,,上海理工大学~管理学院，上海~200093,,上海理工大学~管理学院，上海~200093,,上海理工大学~管理学院，上海~200093,,上海理工大学~光电学院，上海~200093,

关键词：集群机器人;鱼群交互模型;迁移控制;强化学习;生物涌现;智能控制

基金：国家自然科学基金项目(72071130)；上海市自然科学基金项目(22ZR1443300).

采用鱼群模型驱动多智能体可以涌现出优良的运动特性,但是,由于机器人与真实鱼类相比具有较大的差异性,使得鱼群模型难以应用于真实机器人系统.为此,提出一种结合深度学习与强化学习的迁移控制方法,首先,使用鱼群运动数据训练深度网络(deep neural network,DNN)模型,以此作为机器人成对交互的基础;然后,连接强化学习的深度确定性策略梯度方法(deep deterministic policy gradient,DDPG)来修正DNN模型的输出,设计集群最大视觉尺寸方法挑选关键邻居,从而将DNN$ + $DDPG模型拓展到多智能体的运动控制.集群机器人运动实验表明:所提出方法能使机器人仅利用单个邻居信息就能形成可靠、稳定的集群运动,与单纯DNN直接迁移控制相比,所提出DNN$+$DDPG控制框架既可以保存原有鱼群运动的灵活性,又能增强机器人系统的安全性与可控性,使得该方法在集群机器人运动控制领域具有较大的应用潜力.

来源：2023年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第3期