Apprendimento per Rinforzo Multi-Agente per il Monitoraggio dell'Attività Umana in Ambienti Interni

Un nuovo framework di apprendimento per rinforzo multi-agente (MARL) è stato creato per il rilevamento attivo cooperativo in ambienti interni mutevoli. Questo metodo innovativo, presentato in arXiv:2604.23179, consente a gruppi di robot mobili di migliorare la precisione del monitoraggio per compiti incentrati sui bisogni umani, tra cui la gestione delle strutture, le valutazioni di sicurezza e gli studi sull'utilizzo degli spazi. A differenza degli approcci tradizionali che si concentrano su obiettivi di copertura o visita, questo framework dà priorità all'accuratezza del monitoraggio in situazioni di osservabilità parziale. Impiega una strategia di controllo decentralizzata in cui diversi robot collaborano per regolare i propri movimenti, supportata da un sistema che si adatta a un numero variabile di persone e a fattori temporali. Simulazioni in vari ambienti interni mostrano l'efficacia di queste strategie basate sull'apprendimento, colmando una lacuna nel monitoraggio multi-robot allineandosi con le esigenze di accuratezza dell'osservazione dell'attività umana.