新的MAD-PINN框架增强了多智能体控制的安全性和性能

研究人员开发了MAD-PINN，一个利用物理信息神经网络的新型去中心化框架，以应对多智能体控制系统中安全性和性能协同优化的挑战。该方法重新构建了多智能体状态约束最优控制问题（MASC-OCP），并通过在缩减智能体系统上进行训练来实现可扩展性来逼近其解。MAD-PINN结合了基于Hamilton-Jacobi可达性的策略来优先处理安全关键交互，以及用于自适应决策的递推视界策略，在导航任务中展示了优越的性能和安全性权衡。 AI

影响 该框架有望在复杂的多智能体环境中实现更鲁棒、更安全自主的系统。

排序理由 该集群包含一篇详细介绍多智能体控制新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• HJ
• MAD-PINN
• Manan Tayal
• MASC-OCP
• model predictive control
• Multi-agent reinforcement learning
• SC-OCP

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →