基于稳态搜索的差分驱动机器人多智能体运动规划

多智能体运动规划（Multi-Agent Motion Planning, MAMP）在交通管理、机场运营和仓库自动化等领域有着广泛的应用。在许多此类环境中，差分驱动机器人被普遍使用。这类机器人的运动学模型仅允许原地旋转和沿当前朝向移动，且受限于速度和加速度约束。然而，现有的基于多智能体路径寻找（Multi-Agent Path Finding, MAPF）的方法通常使用简化的机器人运动学模型，这限制了其实用性和真实性。在本文中，我们引入了一个名为 MASS 的三层框架来解决这些挑战。MASS 将基于 MAPF 的方法与我们提出的稳态搜索规划器相结合，以生成高质量且运动学可行的规划。我们进一步使用自适应窗口机制扩展了 MASS，以解决终身 MAMP 问题。在实验中，我们在单次网格地图域和终身仓库域上测试了我们的方法。与现有方法相比，我们的方法在吞吐量方面展现了高达 400% 的提升。