Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

VolleyBots: un banco de pruebas para el juego de voleibol con múltiples drones que combina control de movimiento y juego estratégico

Created by
  • Haebom

Autor

Zelai Xu, Ruize Zhang, Chao Yu, Huining Yuan, Xiangmin Yi, Shilong Ji, Chuqi Wang, Wenhao Tang, Feng Gao, Wenbo Ding, Xinlei Chen, Yu Wang

Describir

Este artículo presenta VolleyBots, un banco de pruebas deportivo robótico donde múltiples drones cooperan y compiten en un partido de voleibol. VolleyBots es una plataforma que integra tres características: juego competitivo y cooperativo, interacción por turnos y maniobras ágiles en 3D. Los drones se enfrentan al reto de coordinarse con sus compañeros y anticipar y responder a las tácticas del equipo contrario. La interacción por turnos requiere precisión en la sincronización, predicción precisa de estados y gestión de dependencias temporales a largo plazo, mientras que las maniobras ágiles en 3D requieren aceleración rápida, giros cerrados y posicionamiento 3D preciso, a pesar de la falta de tracción cuadricóptero. En este artículo, presentamos un conjunto completo de tareas que abarcan desde el entrenamiento con un solo dron hasta tareas de cooperación y competición con varios drones, y una evaluación de referencia de algoritmos representativos de aprendizaje por refuerzo multiagente (MARL) y teoría de juegos. Los resultados de la simulación muestran que los métodos de aprendizaje por refuerzo (RL) basados ​​en políticas superan a los métodos basados ​​en políticas en tareas con un solo agente, pero ambos métodos presentan dificultades en tareas complejas que combinan control motor y juego estratégico. También diseñamos una política jerárquica que logra una tasa de victorias del 69,5 % sobre la línea de base más fuerte en una tarea 3v3, destacando su potencial como una solución eficaz para abordar interacciones complejas entre el control de bajo nivel y la estrategia de alto nivel.

Takeaways, Limitations

Takeaways:
Presentamos VolleyBots, un nuevo banco de pruebas para evaluar la inteligencia implementado a través del deporte robótico.
Demuestra el potencial de las políticas jerárquicas como solución eficaz a problemas complejos que combinan el control motor y el juego estratégico.
Los métodos de RL basados ​​en políticas superan a las tareas de un solo agente.
Limitations:
Tanto los métodos de aprendizaje permanente dentro como fuera de las políticas enfrentan dificultades con tareas complejas que combinan el control motor y el juego estratégico.
Presentar resultados en un entorno simulado en lugar de un entorno real.
Se necesitan más investigaciones para determinar si la política jerárquica propuesta es efectiva en todas las situaciones complejas.
👍