面向持续 MAPF 的 Lifelong LaCAM 本地导引
多智能体系统
2026-05-19 v1
摘要
本地导引最近被证明在实际场景中是提升实时次优多智能体路径规划（MAPF）实证性能的强大驱动力，通过在每个智能体周围注入信息丰富的时空线索，本地导引缓解了拥堵，减少等待时间，同时即使在紧张的时间预算下仍具备可扩展性，实现了一次性 MAPF 的最佳性能。本研究询问：这些好处是否可以推广到持续环境（LMAPF），即任务持续到达且在每个时间步骤中的改进可提高长期视角下的任务完成吞吐量。我们提出 LLLG，即增强了本地导引的 Lifelong LaCAM版本，采用滚动时域窗口规划框架，在每个时间步骤从前一解中进行热启动导引。我们的 метод 在规模上具有有效性，即使在紧凑密集的环境中也能保持高吞吐量，并超越现有规划器，从而推动了实时持续 MAPF 的前沿。
引用
@article{arxiv.2605.16855,
title = {Lifelong LaCAM with Local Guidance for Lifelong MAPF},
author = {Tomoki Arita and Keisuke Okumura},
journal= {arXiv preprint arXiv:2605.16855},
year = {2026}
}
备注
10 pages, 11 figures, accepted to SoCS 2026