Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
다중 에이전트 강화학습(MARL)을 활용하여 임의의 형상과 불균일한 질량을 가진 객체를 협동 운송하기 위한 로봇 형상 제어 연구를 제안합니다. 로봇들이 장애물을 피하며 객체를 안전하게 지지할 수 있는 자율적인 위치 선정 및 패턴 형성 정책을 다룹니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기협동 객체 운송 (Cooperative object transportation)은 산업용 서비스부터 가정용 서비스에 이르기까지 수많은 영역에서 필수적입니다. 대중적인 운송 전략 중 하나는 다중 로봇 시스템 (multi-robot systems) 위에 객체를 얹어서 운반하는 것입니다. 이에 상응하는 작업은 일반적으로 대형 형상 제어 (formation control), 협동 내비게이션 (cooperative navigation), 그리고 충돌 회피 (collision avoidance)라는 세 가지 상호 연결된 하위 문제로 분해하여 해결됩니다. 실제 객체가 제기하는 특별한 과제는 잠재적으로 임의의 형상 (arbitrary shape)과 불균일한 질량 분포 (non-uniform mass distribution)를 가질 수 있다는 점이며, 이는 객체를 안전하게 지지할 수 있는 로봇 형성을 필요로 합니다. 본 연구에서는 새로운 다중 에이전트 강화학습 (multi-agent reinforcement learning) 접근 방식을 제안함으로써, 이러한 실제 객체를 운송하기 위한 패턴 형상 제어 (pattern formation control) 문제를 다룹니다. 우리의 접근 방식은 다중 로봇 시스템이 형성 과정 중에 장애물을 피하면서 객체의 무게를 지지하기 위해 객체 아래에 자율적으로 위치할 수 있도록 합니다. 다양한 환경과 다양한 로봇 수를 이용한 평가 결과, 우리의 접근 방식이 신뢰할 수 있는 균형 잡힌 형상을 생성하는 정책 (policies)을 도출하며, 복잡한 기하학적 구조와 불균일한 질량 분포를 가진 객체 및 복잡한 장면 (cluttered scenes)으로 일반화될 수 있음을 보여줍니다.