Решение задачи планирования траекторий в многоагентных системах с применением моделей машинного обучения

Аннотация

В современных задачах автономной навигации и робототехники критически важным является создание систем управления, способных функционировать в режиме реального времени на устройствах с ограниченной вычислительной мощностью. Работа посвящена децентрализованному планированию траекторий в многоагентных системах с использованием архитектуры резервуарных вычислений. В рамках исследования реализован механизм онлайн-обновления весов выходного слоя нейросети, обеспечивающий адаптацию движения агентов к динамическим препятствиям и целям в реальном времени. Особое внимание уделено межагентному взаимодействию: разработан метод передачи сигналов через изменение визуальных характеристик агентов для координации маневров. Для проверки алгоритмов в среде Python создана имитационная модель, позволяющая оценивать поведение группы роботов при различной плотности окружения. Представлены результаты численных экспериментов и сравнительный анализ разработанного подхода с классическими алгоритмами планирования.