Khái niệm cốt lõi
다양한 로봇의 협력을 통해 조립 작업을 효율적으로 수행하기 위해 스택엘버그 게임 이론 기반 학습 접근법을 제안한다.
Tóm tắt
이 논문은 복잡한 조립 작업을 효율적으로 수행하기 위해 다중 로봇 협력을 활용하는 방법을 제안한다.
조립 작업을 서로 다른 능력을 가진 두 로봇이 순차적으로 수행하는 것으로 모델링하고, 이를 스택엘버그 게임 이론 프레임워크로 표현한다.
스택엘버그 게임의 균형 전략을 학습하기 위해 스택엘버그 더블 딥 Q-러닝 알고리즘을 개발한다.
시뮬레이션 실험을 통해 제안 방법이 다른 다중 에이전트 학습 기법에 비해 더 효과적이고 강건한 협력 계획을 생성함을 보인다.
Thống kê
로봇 L은 개별 작업 유형 1에 대해 90% 성공 확률을 가진다.
로봇 F는 개별 작업 유형 2에 대해 90% 성공 확률을 가진다.
협력 작업 유형 4의 경우 두 로봇이 함께 수행해야 한다.
Trích dẫn
"복잡한 조립 작업에서 다중 로봇 협력이 필수적이지만, 기존의 중앙집중식 작업 계획으로는 부족하다."
"게임 이론은 다중 로봇 협력을 모델링하는 데 자연스러운 접근법이며, 특히 스택엘버그 게임은 순차적 상호작용을 포착하는 데 적합하다."
"딥 강화 학습은 작업 계획 스키마를 자동으로 생성하는 데 도움이 된다."