Решение задачи планирования траекторий в многоагентных системах с применением моделей машинного обучения
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Рубрика: Современные проблемы информатики и управления
Статья в выпуске: 3, 2026 года.
Бесплатный доступ
В современных задачах автономной навигации и робототехники критически важным является создание систем управления, способных функционировать в режиме реального времени на устройствах с ограниченной вычислительной мощностью. Работа посвящена децентрализованному планированию траекторий в многоагентных системах с использованием архитектуры резервуарных вычислений. В рамках исследования реализован механизм онлайн-обновления весов выходного слоя нейросети, обеспечивающий адаптацию движения агентов к динамическим препятствиям и целям в реальном времени. Особое внимание уделено межагентному взаимодействию: разработан метод передачи сигналов через изменение визуальных характеристик агентов для координации маневров. Для проверки алгоритмов в среде Python создана имитационная модель, позволяющая оценивать поведение группы роботов при различной плотности окружения. Представлены результаты численных экспериментов и сравнительный анализ разработанного подхода с классическими алгоритмами планирования.
Короткий адрес: https://sciup.org/14139475
IDS: 14139475 | УДК: 519.6, 51-7
Solving the trajectory planning problem in multi-agent systems using machine learning models
In modern tasks of autonomous navigation and robotics, it is critically important to create control systems capable of operating in real time on devices with limited computing power. The paper is devoted to the decentralized trajectory planning in multi-agent systems using reservoir computing architecture. As part of the research, a mechanism for online updating of the weights of the output layer of a neural network has been implemented, which ensures the adaptation of agent movement to dynamic obstacles and goals in real time. Special attention is paid to interagent interaction: a method of transmitting signals through changing the visual characteristics of agents to coordinate maneuvers has been developed. To test the algorithms in the Python environment, a simulation model has been created that allows evaluating the behavior of a group of robots at different environmental densities. The results of numerical experiments and a comparative analysis of the developed approach with classical planning algorithms are presented.