多AUV协同追踪策略

即时决策追捕

一种基于分布式强化学习的在线决策算法，能让多个AUV在未知水下环境中协同追踪入侵UUV。

Hou, Yun · 韩光洁 · Zhang, Fan · Lin, Chuan · Peng, Jinlin · 刘立

IEEE Transactions on Intelligent Transportation Systems 2023

技术优势

无需动力学模型

MADA直接从AUV观测映射到追踪动作，避免了传统方法对精确环境动力学模型的依赖，更适合未知水下环境。

追捕成功率更高

通过结合分布式软演员-评论家与课程学习，MADA能够获得更优的协同追捕策略，提升多AUV追捕UUV的成功率。

应用场景

• 水下机器人协同作业：用于港口、航道等水下安防场景中多AUV协同追踪入侵UUV，替代单艇巡逻。
• 多智能体追踪：提供多智能体在未知环境中的协同追踪决策能力。
• 强化学习控制：将强化学习用于AUV运动控制，实现从观测到追踪动作的端到端映射。