面向终身多智能体路径规划的混合指导图边方向与权重优化
多智能体系统
2026-03-03 v2 人工智能
机器人学
摘要
多智能体路径规划(MAPF)旨在将智能体从起始顶点移动到目标顶点。终身MAPF(LMAPF)持续为完成当前任务的智能体分配新目标。为引导智能体在LMAPF中的移动，先前工作提出了指导图优化(GGO)方法，以优化指导图——一种双向加权图，其有向边代表移动和等待动作，边权重为动作成本。较高的边权重表示较高的动作成本。然而，边权重仅提供软指导。具有高权重的边仅不鼓励智能体使用，而不能禁止其遍历。本文探讨将边方向优化纳入GGO以提供严格指导的需求。我们将GGO推广为混合指导图优化(MGGO)，提出两种MGGO方法，能够同时优化边方向和边权重。第一种分别以两个阶段优化边方向和边权重。第二种应用质量多样性算法优化能够生成边方向和边权重的神经网络。我们还将与边方向相关的交通模式纳入GGO方法，使其能够生成具有边方向感知的指导图。
引用
@article{arxiv.2602.23468,
title = {Optimization of Edge Directions and Weights for Mixed Guidance Graphs in Lifelong Multi-Agent Path Finding},
author = {Yulun Zhang and Varun Bhatt and Matthew C. Fontaine and Stefanos Nikolaidis and Jiaoyang Li},
journal= {arXiv preprint arXiv:2602.23468},
year = {2026}
}