多智能体路径规划相关 AI 资讯 · AI 热点

8月4日

09:33

09:33

官方账号arXiv cs.AI@Xiangjie Luo, Yulun Zhang, Miyuki Koshimura, Makoto Yokoo, Jiaoyang Li

研究者提出 Stress-Relief Annealing（SRA）算法，这是一种多项式时间的免仿真仓库布局优化方法。SRA 将任务需求转化为逐顶点的应力场，其峰值可证明地限制吞吐量。实验显示，SRA 能将人工设计的仓库可承载的机器人数量大约翻倍。相比进化基线，SRA 在单 CPU 核心上仅需 19 分钟，而基线需要 25,000 次模拟和 64 核机器上的 25 小时。该方法在不同多智能体路径规划算法和非均匀任务需求下均能泛化。

AI模型 SRA 仓库布局优化自动化仓库

推荐理由：仓库布局优化不用再跑几千次模拟了，SRA 用十九分钟就能搞定，还能让机器人数量翻一倍，值得看看。

6月16日

11:48

11:48

官方账号arXiv cs.AI@Pavel Surynek

本文研究多智能体路径规划（MAPF）的一个变种——未分配智能体MAPF（UA-MAPF），其中部分智能体有起点和终点，而另一些智能体只有起点无终点，须为前者让路。作者将UA-MAPF表达为布尔可满足性问题，改编了两种编译式求解器SMT-CBS和NRF-SAT。实验在标准MAPF基准上验证了该方法的有效性。

论文 SMT-CBS NRF-SAT MAPF

推荐理由：一篇论文展示了如何让没有任务的智能体给有任务的智能体让路，用上了SMT-CBS和NRF-SAT求解器，思路很清晰。

5月12日

19:11

19:11

官方账号arXiv cs.LG@Usman A. Khan, Joseph W. Durham

该研究将匿名多智能体路径规划（MAPF）问题建模为多边缘最优传输（MMOT）的一个特例，利用马尔可夫结构将指数级复杂度的MMOT简化为规模多项式的线性规划（LP）。在匿名设置下，证明了LP的可行性、全单模性以及解的空间-时间无重叠性质。为适应大规模问题，进一步引入薛定谔桥概率框架，通过熵正则化得到迭代Sinkhorn解，并基于其分数解构建简化LP，实现接近最优的整数解，显著降低计算复杂度。实验验证了该方法的最优性和可扩展性。

论文多智能体路径规划最优传输薛定谔桥

推荐理由：该工作从理论上建立了MAPF与最优传输之间的形式化联系，并提出了可扩展的求解框架，对机器人集群调度、仓储物流等实际应用具有重要参考价值。