近日，機器人技術領域的頂級國際會議ICRA 2022 (IEEE International Conference on Robotics and Automation) 公布了最終論文錄用結果，全球AMR引領者極智嘉(Geek+)兩篇優質論文成功入選，不僅彰顯了極智嘉在AMR領域雄厚的科研底蘊和創新能力，更是對極智嘉構筑穩固創新護城河的再度驗證和背書。

此次獲選論文中，由極智嘉AI研究院聯合華東師范大學和香港中文大學(深圳)發表的論文《Multi-Agent Path Finding with Prioritized Communication Learning》展示了行業前沿的多智能體分布式路徑調度AI算法，以先進的學術成果直擊產業應用痛點。

極智嘉機器人算法平臺部聯合卡耐基梅隆大學(CMU)提出的全新提取對象描述符算法論文也獲得了ICRA收錄，再次印證了極智嘉在移動機器人視覺和V-SLAM定位導航方面備受學術權威的認可！更值得一提的是，該論文此前已在著名機器人期刊IEEE Robotics and Automation Letters(RA-L)上成功發表。

點擊下方圖片查閱全新提取對象描述符算法論文詳解：

算法創新工程化升級

高效調度大規模機器人集群

得益于深度神經網絡的成功應用，大量基于學習的算法近年來被提出用以解決傳統路徑規劃器無法處理的實時性問題。然而，這些方法為了實現良好的可擴展性，主要采用完全去中心化框架，從而使得算法輸出的路徑會產生大量的碰撞。受傳統路徑規劃器的啟發，極智嘉AI研究院入選論文引入“去中心化路徑規劃-中心化避障”框架，提出了一種基于通信的多智體深度強化學習算法來求解多智體路徑規劃問題。

全新多智能體分布式路徑調度AI算法經過工程化后大幅度提升了機器人的調度資源利用率，可以支持單倉3000臺以上機器人并行智能移動和高效調度。相比于現有技術，在同樣調度規模情況下，可以節省服務器成本60%以上，并有效提升調度系統的任務執行流暢性和運行穩定性。

論文內容詳解

論文首先提出了一個新穎的數據驅動的優先級學習機制，并將優先級作為通信協議引入到基于通信的多智體深度強化學習中，得到最終的基于“去中心化路徑規劃-中心化避障”框架的優先通信學習算法 PICO。在大規模稠密障礙物的仿真環境中，PICO 在實時性、可擴展性以及解的最優性上，都大幅超過現有的基于學習的多智體路徑規劃算法。

圖1 算法流程圖

PICO 包含兩個交替的學習階段，即隱式優先級學習階段和優先通信學習階段。在隱式優先級學習階段，PICO通過模仿傳統的中心化路徑規劃器來構建一個替代性的模仿學習任務，來預測每個智能體局部優先級。在優先通信學習階段，PICO會使用在每個時刻為所有機器人預測的局部優先級來構建整個機器人群體的通信拓撲，通過該拓撲傳遞基于多智體深度強化學習得到的通信信息，會使得每個機器人獲得非對稱的全局信息，據此進行決策會使得決策結果基于隱式的動態約束，從而促進所有機器人產生無碰撞的路徑規劃結果。

圖2 優先通信學習過程可視化

論文在大小為20x20，且具有不同智能體數目（8，16，32，64）以及不同障礙物密度（0%，10%，20%，30%）的仿真環境中與現有的基于學習的多智體路徑規劃算法PRIMAL、DHC以及基于預定義優先級的PICO算法消融版本PICO-Heuristic進行對比實驗后，在機器人碰撞次數、障礙物碰撞次數、成功率、路徑長度等方面，PICO的表現均大幅超過基準算法。

圖3 算法性能對比

1. 論文鏈接：http://arxiv.org/abs/2202.03634

2. 工程代碼：https://github.com/mail-ecnu/PICO

關于ICRA 2022

國際機器人與自動化會議ICRA（IEEE International Conference on Robotics and Automation）2022年將于5月份在美國費城隆重舉行，匯集世界頂級研究人員和公司前來展示領域前沿發展和進步，會議內容覆蓋機器人設計、系統集成、分布式云端機器人、生機電系統、服務機器人、工業機器人、自主無人車、機器人感知、微型機器人、傳感融合以及人機交互等眾多方向，是機器人技術領域公認的頂級國際會議。