AlphaGo作者领衔，8个机械臂协同干活0碰撞，DeepMind新作登Science子刊

68 0 0

文章摘要

【关键词】 RoboBallet、图神经网络、强化学习、多机器人协作、轨迹规划

RoboBallet是由DeepMind、Intrinsic AI和UCL等研究机构共同提出的成果，发表在Science子刊Science Robotics上。这一成果创新性地将图神经网络（GNN）用于强化学习，解决多机器人协作运动规划中的复杂问题。

核心方法与解决问题：RoboBallet把图神经网络与强化学习结合，采用GNN作为策略网络和状态 – 动作价值估计，解决大规模多机器人任务分配、调度和运动规划的联合问题，实现高质量轨迹规划。现代自动化制造中，让多个机器人在共享空间无碰撞高效协作面临任务分配、调度和运动规划三个复杂子问题，传统算法难以计算可行解，工业界依赖人工规划。RoboBallet在随机生成环境中进行任务和运动规划，能为不同环境规划多臂抓取轨迹。

具体实现方式：在数据表示层面，将整个场景建模为图结构，节点代表机器人、任务和障碍物，边表示实体间关系。使用GNN作为策略网络，以观测图为输入，为机器人生成指令关节速度。在策略学习和评估阶段，微调TD3算法训练策略网络，将昂贵的在线计算转移到离线训练阶段，并采用Hindsight Experience Replay方法解决稀疏奖励问题。

实验验证及结果：使用Franka Panda的七自由度机械臂在模拟环境训练，在包含4（8）个机器人、40个任务和30个障碍物的模拟工作单元中测试并与RRT – Connect方法比较，且只需一块GPU完成。实验表明，RoboBallet在训练时间扩展性上，任务数量增加四倍，收敛所需训练步数仅略有增加；规划速度快，最大场景每个规划步在NVIDIA A100上约0.3毫秒，能实现10 Hz时间步下超300倍实时规划速度；多智能体协同方面，机器人数量从4个增加到8个，平均执行时间减少约60%；泛化性好，可零样本迁移到新环境。

应用能力：RoboBallet的高速和可扩展性使其具备工作单元布局优化、容错规划和基于在线感知的重新规划等新能力，如将任务执行时间缩短33%。