多主体路径规划
该代码包含我在法国国家计算机科学研究院@Inria担任机器学习实习生六个月的工作。
我工作的主要思想是开发一种由Graph Neural Networks支持并与Deep Reinforcement Learning算法融合的机器学习模型,以构建可推广到不同网络拓扑结构的多主体路径规划算法,同时保持快速的通信和有效的收敛。
我们使用CoppeliaSim作为模拟器来查看算法在移动机器人上的性能。
所有代码都是用Python3编写的,并且我们使用Ros2-Interface与CoppeliaSim进行通信。
先决条件
在使用main.py代码之前,请确保已安装以下组件:
NumPy
大熊猫
ROS2
科佩利亚·西姆(CoppeliaSim)
ROS2-接口
CoppeliaSim中的仿真
我们在CoppeliaSim的两个bubblerob上测试了我们的算法,但
2022-03-11 10:10:33
825KB
Python
1