미지의 환경, 파트너 및 규모에서의 다중 로봇 개방형 적응 팀 협업

Multi-Robot Open Adaptive Teaming Across Unseen Environments, Partners, and Scales

실제 세계에 로봇 팀을 배치하려면 미지의 환경, 알려지지 않은 파트너 및 다양한 팀 크기에 동시에 적응해야 하지만, 기존 접근 방식은 종종 이러한 과제를 개별적으로 해결하며 고정된 팀원이라는 폐쇄형 세계 가정을 기반으로 합니다. 우리는 이를 개방형 적응형 다중 로봇 팀 협업 문제로 정의하고, 팀 수준의 협력 관계를 쌍대 상호 작용을 넘어 포괄하는 하이퍼그래프 형태의 게임 모델링 방식을 제안합니다. 이는 에피소드 내에서 팀 구성이 동적으로 변할 때 조정 구조 추론에 대한 체계적인 기반을 제공합니다. 이 방식은 그래프 신경망 아키텍처와 달리, 전략적 상호 작용 및 에이전트 간의 보상 구조를 모델링하는 게임 이론적 구성입니다. 이러한 모델링 방식을 바탕으로, 하이퍼그래프 개방형 학습 알고리즘(HOLA)을 개발했습니다. HOLA는 훈련 중에 파트너 및 환경의 다양성을 점진적으로 확장하여 고정된 구성에 최적화하는 대신, 협력 추적 작업을 위해 다중 드론 및 다족 로봇 플랫폼에서 평가한 결과, HOLA는 세 가지 적응성 측면 모두에서 기존 방법보다 우수한 성능을 보였습니다. 학습된 정책은 추가적인 미세 조정 없이 물리적 하드웨어로 직접 전송될 수 있으며, Crazyflie 및 Zsibot L1 플랫폼에서의 성공적인 배포를 통해 새로운 환경과 알려지지 않은 팀원과의 견고한 실시간 협업이 가능함을 확인했습니다.

Deploying robot teams in the real world requires simultaneous adaptation to unseen environments, unknown partners, and varying team sizes, yet existing approaches often address these challenges in isolation under the closed-world assumption of fixed teammates. We formalize this as open adaptive multi-robot teaming and propose a hypergraphic-form game formulation that captures team-level cooperative relationships beyond pairwise interactions, providing a principled foundation for coordination structure inference when team composition changes dynamically within episodes. Unlike graph neural network architectures, this is a game-theoretic construct for modeling strategic interactions and payoff structures among agents. Building on this formulation, we develop the Hypergraphic Open-ended Learning Algorithm (HOLA), which progressively expands partner and environment diversity during training rather than optimizing for fixed configurations. Evaluated on cooperative pursuit with multi-drone and multi-quadruped platforms, HOLA outperforms all baselines across all three adaptability dimensions. Learned policies transfer directly to physical hardware without fine-tuning, with successful deployments on Crazyflie and Zsibot L1 platforms confirming robust real-world coordination in novel environments with unseen teammates.