基于知识蒸馏的人类启发式多智能体导航 这是代码库,用于支持论文《使用知识蒸馏的人类启发式多代理导航》 。 摘要-尽管在多智能体导航领域取得了重大进步,但智能体仍然缺乏人类在多智能体环境中展现出的先进性和智能性。 在本文中,我们提出了一个框架,用于在完全分散的多代理环境中学习类似于人的通用碰撞避免策略,以进行代理与代理的交互。 我们的方法使用知识强化和强化学习,基于通过行为克隆从人类轨迹演示中提取的专家策略来塑造奖励功能。 我们证明,使用我们的方法训练的特工可以在避免碰撞和演示所没有提供的目标导向操纵任务中采用类似人的轨迹,胜过专家以及未经知识蒸馏训练的基于学习的特工。 通过运动捕捉(参考),我们的方法(我们的)和没有知识提炼的典型强化学习(RL w / o KD)和最佳双向碰撞避免(ORCA)所收集的人体轨迹的比较: 参考 我们的 不带KD的RL 奥卡 依存关系 火炬1.8 Nu