https://arxiv.org/abs/2405.02425

https://sites.google.com/view/vision-soccer

Home

Abstract

sites.google.com

다중 에이전트 심층 강화 학습(RL)을 적용하여 자기중심적 RGB 비전을 통한 완전한 온보드 계산 및 감지 기능을 갖춘 엔드투엔드 로봇 축구 정책을 교육합니다. 이 설정은 역동적이고 부분적으로 관찰 가능한 다중 에이전트 도메인에서의 능동적 인식, 민첩한 전신 제어 및 장거리 계획을 포함하여 실제 로봇 공학의 많은 과제를 반영합니다. 우리는 대규모 시뮬레이션 기반 데이터 생성에 의존하여 저비용 센서를 사용하여 물리적 로봇으로 성공적으로 전송할 수 있는 자기중심적 비전에서 복잡한 동작을 얻습니다. 적절한 시각적 사실성을 달성하기 위해 우리의 시뮬레이션은 강체 물리학과 여러 NeRF(Neural Radiance Fields)를 통해 학습되고 사실적인 렌더링을 결합합니다. 우리는 교사 기반 다중 에이전트 RL과 교차 실험 데이터 재사용을 결합하여 정교한 축구 전략을 발견할 수 있습니다. 우리는 단순히 인식에 구애받지 않는 축구 플레이를 최적화할 때 나타나는 객체 추적 및 공 찾기를 포함한 능동적 인식 동작을 분석합니다. 에이전트는 권한 있는 실제 상태에 액세스할 수 있는 정책과 동등한 수준의 성능과 민첩성을 표시합니다. 우리가 아는 한, 이 문서는 실제 세계에 배포할 수 있는 원시 픽셀 관찰을 공동 수준 동작에 매핑하는 다중 에이전트 로봇 축구에 대한 엔드투엔드 교육의 첫 번째 시연으로 구성됩니다. 게임 플레이 및 분석 비디오는 당사 웹사이트 https URL 에서 볼 수 있습니다 .