ROSに基づくマルチエージェント捜索救出システムは、ROSを利用して複数の自律エージェントを展開し、協調した捜索と救出を行うロボティクスフレームワークです。各エージェントは搭載センサーとROSトピックを使用し、リアルタイムのマッピング、障害物回避、ターゲット検出を行います。中央コーディネーターがエージェントの状況や環境のフィードバックに基づいてタスクを動的に割り当てます。このシステムはGazeboまたは実機ロボットで動作し、研究者や開発者がマルチロボット協調、通信プロトコル、適応的ミッション計画を現実的な条件下でテスト・改善できます。

このオープンソースプロジェクトは、PyTorchとUnity ML-Agentsを基盤とした完全な多エージェント強化学習フレームワークを提供します。分散型DDPGアルゴリズム、環境ラッパー、訓練スクリプトを含みます。ユーザーはエージェントのポリシー、批評ネットワーク、リプレイバッファー、並列訓練ワーカーを設定できます。ロギングフックによりTensorBoardでの監視が可能で、モジュラーコードはカスタム報酬関数や環境パラメータをサポートします。リポジトリには協力ナビゲーションタスクを示すサンプルUnityシーンが含まれ、シミュレーション内での多エージェントシナリオの拡張やベンチマークに最適です。

multi_agent_celarは、模擬環境内で複数のインテリジェントエージェント間の出現言語によるコミュニケーションを可能にするモジュラーAIプラットフォームとして設計されています。ユーザーはポリシーファイルを通じてエージェントの挙動を定義し、環境パラメータを設定し、エージェントが自らの通信プロトコルを進化させて協力タスクを解決する協調トレーニングを開始できます。このフレームワークには、評価スクリプト、可視化ツール、およびスケーラブルな実験のサポートが含まれており、多エージェントコラボレーション、出現言語、意思決定プロセスに関する研究に最適です。