Derin Takviyeli Öğrenme Tabanlı Bilinmeyen Ortamda Çoklu Robot Navigasyonu

Abstract

Çoklu robot navigasyonunu geleneksel yöntemlerle çözmek için hem navigasyon için hem de bu robotların işbirliği için birçok algoritma birleştirilerek kullanılabilir. Birden fazla algoritmanın kullanılacağı bu geleneksel yöntemler maliyetlidir. Derin takviyeli öğrenme (DRL) ise geleneksel yöntemlerle karşılaştırıldığında daha basit ve maliyeti düşüktür. Günümüzde ise bu sebeplerden DRL ile gerçek dünya problemlerine çözüm getirilmeye çalışılmaktadır. Bu çalışmada ise DRL ile çoklu robot navigasyonu problemine çözüm getirilmeye çalışılmıştır. Önerilen yaklaşımdaki sistemde eşzamanlı bir ortam, bu ortamda birden fazla robot, hedef, engel bulunmaktadır. Ortamda robotlar sırasıyla eylem seçerek, hareket ederler. Aynı zamanda robotlar kendilerinden başka robotlar için dinamik bir engel işlevi görmektedir. Robotlar kendi hedeflerine en kısa yoldan herhangi bir çarpışma yaşamadan ulaşmaya çalışırlar. Aynı zamanda robotlar bir başka robotla çarpışmayacak şekilde veya bir başka robotun rotasını uzatmayacak şekilde yol planlaması yapmaya çalışırlar. Bunları sağlayabilmek için çok ajanlı DQN algoritması, hedefe yönelik bir durum verisi, güçlendirilmiş adaptif ödül mekanizması kullanılmıştır. Önerilen yaklaşım doğrultusunda oluşturulan sistem tek bir robotun navigasyon başarısı, çoklu robot sisteminin navigasyon başarısı, birim-kare başına düşen robot sayısına göre başarı oranı olarak değerlendirilmiştir.