Алгоритмы подкрепляющего обучения для энергоэффективного управления многоколесными производственными роботами

Abstract

Рассматривается система эффективного управления мобильным роботом с множеством движущих модулей, которые управляются независимо. В основе системы управления лежат алгоритмы обучения с подкреплением для поиска оптимальных политик управления каждого модуля. В рамках предлагаемого подхода модули рассматриваются как много агентная система, в которой координация поведений агентов осуществляется виртуальным лидером. Предложена модифицированная модель обучения с подкреплением для адаптивной координации индивидуальных стратегий. Модифицированный Q-learning алгоритм проводит обучение агентов эффективному управлению каждым колесом, в контексте группы, что позволяет агентам подстраиваться друг под друга. Разработанная система управления позволяет стабильно управлять роботом со сложной кинематической схемой и переменным количеством модулей. Эксперименты с разработанной системой были поставлены на реальном производственном роботе университета Равенсбург-Вайнгартен. Успешность моделирования и экспериментальной части показывает применимость подхода для реальных систем.