基于模型预测最优传输（MPC-OT）的多机器人路径规划与调度
人工智能
2025-10-31 v2 计算与语言
摘要
本文提出了一种基于最优传输理论和模型预测控制的多机器人路径规划与调度新方法。我们考虑的设置是N个机器人被任务分配到M个目标位于共同空间中并存在障碍物的区域。将机器人映射到目标后再规划路径可能导致路径重叠，从而引发死锁。我们导出一种基于最优传输的策略，不仅提供从机器人到目标的最小成本路径，还保证轨迹不重叠。通过将感兴趣的空间离散化为K个单元格，并施加K×K的成本结构来实现这一点，该成本结构描述了从一个单元格到另一个单元格的转换成本。最优传输随后提供了机器人到达目标所需的“最优且不重叠”的单元格转换，可直接部署而无需任何调度考虑。该方法在最坏情况下的计算复杂度为O(K³log K)，而对于良好问题为O(K²log K)。为进一步容纳不可避免的重叠轨迹（以及机器人动力学），我们展示了通过“重新规划”和“模型预测控制”将时间结构集成到最优传输中的可能性。
引用
@article{arxiv.2508.21204,
title = {Fuzzy, Symbolic, and Contextual: Enhancing LLM Instruction via Cognitive Scaffolding},
author = {Vanessa Figueiredo},
journal= {arXiv preprint arXiv:2508.21204},
year = {2025}
}