改进LaCAM以实现可扩展的终归最优多智能体路径规划
人工智能
2023-05-08 v1 多智能体系统
机器人学
摘要
本研究扩展了近期开发的用于多智能体路径规划（MAPF）的LaCAM算法。LaCAM是一种次优的基于搜索的算法，利用惰性后继生成来大幅降低规划开销。我们提出两项改进。首先，我们给出其任意时间版本，称为LaCAM*，只要解代价为累积转移代价，它终将收敛至最优。其次，我们改进后继生成以快速获得初始解。详尽实验证明了其实用性。例如，LaCAM*在标准台式机上于十秒内次优求解了从MAPF基准中取出的99%实例（其中智能体数量至多一千），同时保证终归最优；由此开辟了MAPF算法的新视野。
引用
@article{arxiv.2305.03632,
title = {Improving LaCAM for Scalable Eventually Optimal Multi-Agent Pathfinding},
author = {Keisuke Okumura},
journal= {arXiv preprint arXiv:2305.03632},
year = {2023}
}
备注
to be presented at IJCAI-23