多机器人群体导航深度强化学习框架

多机器人群体系统在复杂及动态环境中的稳健性差、适应性弱及通讯效率低。传统控制系统运营风险高，成本也高。

• 利用先进的深度强化学习方法，结合非对称自我博弈机制以及复杂的通讯精炼和增强技术，透过与可学习的对抗干扰者并行训练群体机器人，培养韧性群体策略。

• 显着提升多机器人群体系统在复杂及动态环境中的稳健性、适应性及通讯效率
• 优化了机器人间的通讯，确保了选择性互动和以共识为驱动的信息交换。
• 降低了运营风险和成本，还克服了传统控制系统的局限

• 第四届亚洲创新发明展（AEII）金奖

• 城市无人机配送：提高密集城市区域包裹配送无人机群的安全性和效率。
• 物流和供应链管理：通过稳健的多机器人系统，优化仓库操作和自动化库存管理。
• 搜索和救援行动：提供能够在灾难或危险环境中导航和操作的韧性和适应性机器人团队。
• 移动监控和安全：在动态且障碍丰富的环境中部署协调的机器人群体，执行全面的监控和安全任务。