Optimisation et planification de trajectoire pour les systèmes multi-agents

Abstract

Faciliter la manœuvre autonome des robots mobiles est crucial pour diverses applications. Cette tâche devient plus complexe dans les contextes nécessitant une structure multi-agents pour accomplir des tâches trop complexes pour un seul agent. L’objectif est de créer des trajectoires optimales sans collision qui assurent l’atteinte d’un objectif commun. Dans cette recherche, deux solution sont proposées : l’exploration décentralisée basée sur la carte des routes probabilistes (PRM) et l’apprentissage centralisé basé sur le réseau de neurones profonds (DQN). L’étude vise à évaluer la performance de ces approches pour déterminer leur applicabilité dans un contexte plus large.