深度强化学习作为一种新型的人工智能技术,近些年来获得了飞速的发展。深度强化学习应用于多智能体博弈场景下时,不仅强化学习环境稳定性的条件被打破,而且多个智能体之间的合作和竞争关系、多智能体协同与对抗状态下的环境感知、运动规划、博弈决策日益成为研究的重点。本课题针对以上痛点,给出了一套从环境感知、运动规划到决策对抗的完整解决方案。本文将多智能体的协同对抗方案分为环境感知、运动规划、决策对抗三大模块,针对每个模块,各提出了相应的算法和实现,具体为:基于点云匹配的环境感知算法,基于深度强化学习的运动规划算法以及模仿学习与强化学习融合的多智能体决策对抗算法。首先,点云匹配的环境感知算法可以获取障碍物信息以及其余智能体的全局坐标,为导航和决策提供感知功能,之后基于深度强化学习的运动规划算法为各个智能体提供避障与导航的能力,最后,借助模仿学习与强化学习融合的多智能体协同对抗决策算法,为多智能体混合博弈提供最优解。本文的主要工作和贡献如下:1本文提出了一种基于点云匹配的多目标检测与定位优化算法。该算法首先基于雷达初始位置信息获取环境地图下的虚拟雷达点云集。之后将虚拟点云集与实体激光雷达点云集进行匹配来修正实体激光雷达的定位,再将虚拟雷达点云与实体激光雷达点云匹配做差,得到其余智能体的位置信息。最后将模型部署在ROS环境下实现工程化应用。实验结果表明:所提出的基于点云匹配的多目标检测与定位优化算法不仅能够实现博弈环境下多目标的位置检测,而且可以优化智能体自身的定位,满足实时性和稳定性的要求。2为了满足智能体导航和避障的需求,提出了一种基于深度强化学习的端对端运动规划算法。以智能体的激光雷达原始点云和定位信息作为网络的输入,以智能体的运动速度作为输出,激光雷达的点云信息首先通过卷积网络进行特征提取,之后再与导航目的地等高维特征融合送入后续网络中处理,将导航目的地作为高维度特征,以门控信号的方式输入网络中,以突出高维度特征在导航中的决定性作用。首先以全向移动的机器人作为模型,在ROS平台下调用Tensorflow进行网络的训练,之后将训练好的网络部署到实车上,实验表明,所提出的网络模型,在仿真环境和真实环境下,都实现了点对点的导航。与ROS环境下Move Base导航包中的算法相比,控制频率以及导航的连续性都获得了较大的提升。3多智能体混合博弈决策领域,针对MADDPG算法从零开始训练多个智能体收敛困难;奖励函数设计没有依据可循的问题,提出了一种生成对抗模仿的多智能体混合博弈决策算法:GAIL-MADDPG。智能体首先在专家策略的基础上进行模仿学习,习得基本技能以后再进行强化,加快了算法的收敛速度;同时,生成对抗网络的判别器为智能体提供了奖励函数的原型,可以解决MADDPG算法手工设计多个智能体的奖励函数无据可循的问题,最后以Robomaster2019人工智能体挑战赛为平台,部署算法进行了验证,与MADDPG算法对比,本文提出的GAIL-MADDPG算法基于专家策略进行学习的方式,不仅不需要手工设计奖励函数,同时收敛速度也得到了两倍以上的提升。