.png){kind=icon}
返回
Meta-learning for dynamic multi-robot task scheduling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cor.2025.107109.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了多机器人系统的动态任务调度问题，其中大量机器人通过协作在运输、救援等领域实现多目标优化目标。考虑到工业场景中任务和机器人的动态特性，提出了一种基于元学习框架的强化学习调度算法，该算法通过与环境交互学习以获得最优解。设计了一种DenseNet-like深度Q网络，用于挖掘状态矩阵的高层特征，该矩阵的大小随场景设置动态变化。通过优化内外元学习循环中的网络参数，Q网络能够从多个调度场景的经验中学习，并获得一个泛化的初始化参数，该参数可在线微调以适应新的多机器人系统。通过9种不同多机器人场景的数值仿真验证了所提元调度方法的有效性，与标准深度Q学习算法相比，实现了11.0%更高的目标评分和63.9%的训练时间减少。
Keyword:
Multi-robot system
Task scheduling
Meta learning
Reinforcement learning
期刊
C
IF:
4.3
论文数:
6.5K
被引数:
1.8W
机构
引用论文
An Efficient Scheduling Algorithm for Multi-Robot Task Allocation in Assembling Aircraft Structures
OAAI
OAAI分享收藏Robust multi-objective multi-humanoid robots task allocation based on novel hybrid metaheuristic algorithm.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容