场景感知的分布式多智能体目标搜索方法
在视觉语义导航任务中,智能体通过视觉信息,寻找并导航到给定对象类别的目标处.然而,大部分现有的研究都是使用基于学习的框架来完成任务,这些研究在现实世界中应用的训练成本非常高,可移植性很低,并且它们只适用于单智能体,效率低下、容错能力差.为解决上述问题,本文提出一种基于场景感知的分布式多目标优化蒙特卡洛树搜索模型,该模型中多智能体实时在线规划并且不需要预先训练,利用场景感知先验知识结合观测信息实时对环境进行估计,并且利用改进的蒙特卡洛树搜索进行路径规划以此搜索目标.在Mtterport3D数据集中进行的实验表明,该模型在效率方面比单智能体有着显著的提高.
场景图谱、分布式、目标搜索、蒙特卡洛树搜索、多目标优化、动作规划、多智能体系统、视觉语义导航
17
TP391(计算技术、计算机技术)
国家自然科学基金U1613212
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
1244-1253