TAG:运动规划

《Science Robotics》封面:DeepMind发布RoboBallet,重新定义多机器人协同规划

《Science Robotics》封面:DeepMind发布RoboBallet,重新定义多机器人协同规划

DeepMind在《Science Robotics》封面发表的RoboBallet研究提出了一种基于图神经网络和强化学习的新框架,解决了多机器人系统中的任务分配、调度和运动规划三大核心挑战。该技术通过动态图表示和高效的离线训练,实现了在复杂环境中多个机器人的实时协同规划,计算效率比传统方法提升显著,为工业自动化提供了创新解决方案。

2025-09-18 14:11
0
0

Science Robotics 封面论文:RoboBallet利用图神经网络和强化学习规划多机器人协作

Science Robotics 封面论文:RoboBallet利用图神经网络和强化学习规划多机器人协作

DeepMind与伦敦大学合作开发的RoboBallet系统,利用图神经网络和强化学习技术,实现了在多机器人随机环境中的高效任务与运动规划。该系统能够处理任意障碍物几何形状、任务姿势和机器人位置,无需依赖手工设计的简化方案,解决了任务分配、调度和运动规划的联合优化问题。

2025-09-11 15:12
0
0

伦敦大学多机器人运动规划新方法登《Science Robotics》

伦敦大学多机器人运动规划新方法登《Science Robotics》

伦敦大学学院与Google DeepMind等机构合作在《Science Robotics》发表创新研究,提出基于图神经网络和强化学习的多机器人运动规划方法。该方法通过GNN模型在数百万合成场景中训练,将机器人、任务和障碍映射为图结构,实现自动生成无碰撞轨迹,可泛化至新环境布局,仅需CAD文件和高级任务描述即可生成运动计划,大幅减少人工编程和调试需求。

2025-09-05 14:40
0
0