基于蒙特卡洛树搜索的多智能体 makespan 高效物体 rearrangement 在杂乱空间中
机器人学
2026-02-03 v1
摘要
物体在复杂杂乱环境中的 rearrangement 规划是仓库、家庭和救援现场常见的挑战。先前的研究大多针对单调实例进行，而现实任务往往是非单调的——物体彼此阻塞，必须在到达最终目标之前暂时移动到中间位置。 在此类环境中，有效的多智能体协作可显著减少完成任务所需时间。本文引入了集中式、异步的多智能体蒙特卡洛树搜索框架（CAM-MCTS），用于在挑战性环境中进行 makespan 高效的物体 rearrangement 规划。CAM-MCTS 将集中任务分配（智能体保持对彼此意图意识，以促进全局优化规划）与异步任务执行策略相结合，后者使智能体能够在适当的时间步采取新任务，而非等待他人，依据一步前瞻成本估计进行指导。此设计最小化空闲时间，防止不必要的同步延迟，并提高整体系统效率。我们在杂乱环境中对单调和非单调任务进行评估，证明 CAM-MCTS 与强基线相比 consistently 降低了 makespan。最后，我们在真实的多智能体系统下进行不同配置的验证，进一步确认了其有效性和鲁棒性。
引用
@article{arxiv.2602.02411,
title = {Multi-Agent Monte Carlo Tree Search for Makespan-Efficient Object Rearrangement in Cluttered Spaces},
author = {Hanwen Ren and Junyong Kim and Aathman Tharmasanthiran and Ahmed H. Qureshi},
journal= {arXiv preprint arXiv:2602.02411},
year = {2026}
}