Новый метод M3PO, расширяющий классическую архитектуру Proximal Policy Optimization (PPO), в которой объединены мультизадачность и модель мира, которую робот выучивает в процессе взаимодействия при онлайн-обучении. В результате метод обеспечивает быстрое обучение компактных с точки зрения количества параметров стратегий, пригодных для быстрого развертывания на робототехнических манипуляторах.

MAPF - это подход к планированию маршрутов для нескольких роботов в общей среде. Хотя оптимальное решение MAPF — NP-hard, эффективные решатели важны для логистики, поисково-спасательных операций и других задач.

Мы предлагаем МАРF-GPT-DDG — новый метод дообучения модели МАРF на экспертных данных. Благодаря механизму генерации дельта-данных, он ускоряет обучение и повышает производительность. Эксперименты показывают, что MAPF-GPT-DDG превосходит существующие решатели, включая MAPF-GPT. Примечательно, что система работает с задачами, включающими до миллиона агентов в одной среде, устанавливая новый стандарт масштабируемости.

Децентрализованная навигация с несколькими агентами в условиях неопределённости сложная задача в робототехнике. Для её решения нужны стратегии предотвращения столкновений, учитывающие кинематические ограничения и погрешности.

В статье предложен новый метод, объединяющий МPPI C адаптацией оптимального избегания столкновений. Подход обеспечивает безопасную навигацию за счёт внедрения ограничений безопасности в процесс выборки МРРІ.

Тестирование в симуляторе Gazebo подтвердило применимость метода для роботизированных платформ. Исходный код доступен по ссылке: http://github.com/PathPlanning/MPPI-Collision-Avoidance.