R2D-RL은 RoboCup 2D 축구 시뮬레이션(RCSS2D)을 현대 Python 다중에이전트 강화학습(MARL) 워크플로와 연결하는 환경이다. 로봇 축구는 부분관측·협력/적대 상호작용·희소 보상·장기 전술을 결합한 까다로운 MARL 시험대지만, RCSS2D의 경쟁용 서버-클라이언트 구조는 직접 쓰기 어렵다. R2D-RL은 RCSS2D와 HELIOS 기반 플레이어 클라이언트를 공유메모리 통신·사이클 단위 동기화로 Python MARL 인터페이스에 연결한다. 전체 필드·시나리오 학습, 구성 가능한 상대, 이산·하이브리드 파라미터화 행동공간, 행동 마스크, 점유가치(EPV) 기반 보상 형성, 병렬 실행을 지원하며, 골 전방 시나리오와 11대11 벤치마크·베이스라인 결과를 제공한다.
- •R2D-RL: RoboCup 2D 축구(RCSS2D)를 Python MARL 워크플로와 연결하는 강화학습 환경
- •로봇 축구의 부분관측·협력/적대·희소 보상·장기 전술 결합 난제를 시험대로 활용
- •공유메모리 통신·사이클 단위 동기화로 RCSS2D·HELIOS 클라이언트를 Python 인터페이스에 연결
- •전체필드/시나리오 학습, 이산·하이브리드 행동공간, 행동 마스크, EPV 보상 형성, 병렬 실행 지원
- •골 전방 시나리오와 11돀11 풀필드 벤치마크·베이스라인 결과 제공
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
R2D-RL: A RoboCup 2D Soccer Environment for Multi-Agent Reinforcement Learning
- 1.R2D-RL: RoboCup 2D 축구 시뮬레이션을 파이썬 MARL 인터페이스와 연결한 강화학습 환경
- 2.RCSS2D와 HELIOS 클라이언트를 공유 메모리·사이클 동기화로 연결
- 3.이산·하이브리드 행동공간, 행동 마스크, EPV 기반 보상 설계, 병렬 실행 지원
- 4.전방 골 시나리오와 11대11 풀필드 벤치마크 및 기준 결과 제공
왜 중요한가?
부분 관측·협력과 적대·희소 보상·장기 전술을 결합한 로봇 축구를, 경쟁용 서버-클라이언트 구조 탓에 현대 파이썬 MARL 워크플로에 쓰기 어렵던 문제를 풀어 표준 연구 환경으로 제공한다.
멀티 에이전트 강화 학습(MARL)은 복잡한 환경에서 협력 및 경쟁 전략을 배우는 데 필수적입니다. 로보컵 2D 축구 시뮬레이션 환경을 활용한 이 연구는 한국의 로봇 공학 및 자율 시스템 개발이 직면한 실세계 문제 해결 능력을 한 단계 높이는 데 기여할 수 있습니다.
본문 미리보기
arXiv:2606.18786v1 Announce Type: new Abstract: Robot soccer is a challenging testbed for multi-agent reinforcement learning because it combines partial observability, cooperative and adversarial interaction, sparse rewards, and long-horizon tactical behavior. RoboCup 2D Soccer Simulation (RCSS2D) provides a mature robot-soccer platform, but its competition-oriented server-client architecture is difficult to use directly with modern Python-based MARL workflows. We introduce R2D-RL, a reinforcem
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:23AI 초안
