• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Mediterranean Conference on Control and Automation >Distributed safe reinforcement learning for multi-robot motion planning
【24h】

Distributed safe reinforcement learning for multi-robot motion planning

机译：用于多机器人运动规划的分布式安全强化学习

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper studies optimal motion planning of multiple mobile robots with collision avoidance. We develop a distributed reinforcement learning algorithm which ensures suboptimal goal reaching and anytime collision avoidance simultaneously. Theoretical results on the convergence of neural network weights, the uniform and ultimate boundedness of system states of the closed-loop system, and anytime collision avoidance are established. Numerical simulations for single integrator and unicycle robots illustrate the effectiveness of our theoretical results.
机译：本文研究了具有碰撞避免的多个移动机器人的最佳运动规划。 我们开发了一种分布式加强学习算法，可确保同时达到和随时碰撞的次优目标。 建立了神经网络权重，系统状态的趋同和闭环系统的均匀界限的理论结果，以及随时碰撞避免。 单一积分器和单轮自动机器人的数值模拟说明了我们理论结果的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号