马 磊， 张文旭， 戴朝华

（西南交通大学电气工程学院，四川成都610031）

多机器人系统强化学习研究综述

马 磊， 张文旭， 戴朝华

（西南交通大学电气工程学院，四川成都610031）

强化学习是实现多机器人对复杂和不确定环境良好适应性的有效手段，是设计智能系统的核心技术之一.从强化学习的基本思想与理论框架出发，针对局部可观测性、计算复杂度和收敛性等方面的固有难题，围绕学习中的通信、策略协商、信度分配和可解释性等要点，总结了多机器人强化学习的研究进展和存在的问题；介绍了强化学习在机器人路径规划与避障、无人机、机器人足球和多机器人追逃问题中的应用；最后指出了定性强化学习、分形强化学习、信息融合的强化学习等若干多机器人强化学习的前沿方向和发展趋势.

多机器人系统；强化学习；马尔科夫决策过程；计算复杂度；不确定性

多机器人合作是近年自动化与控制领域发展的前沿方向［1］.多机器人的研究与应用体现出了广泛的学科交叉，涉及众多的课题，目前已在工业、农业、商业、太空与海洋探索、环境监测、灾害救险、国防等领域获得越来越多的关注与应用.

要实现多机器人灵活和有效的行为选择能力，保证它们之间的协作关系，仅依靠设计者的经验和知识，很难获得多机器人系统对复杂和不确定环境的良好适应性［2］.为此，必须在机器人的规划与控制中引入学习机制，使机器人能够在与环境的……