PANAMA：面向数字孪生生态系统的基于网络感知的多主体强化学习路径规划框架
机器学习
2025-08-12 v1 人工智能
分布式、并行与集群计算
多智能体系统
机器人学
摘要
数字孪生（DTs）通过先进的数据处理与分析正在改变各行业，使数字世界、数字孪生成为下一代技术的基石，包括具身人工智能。随着机器人和自动化系统的规模化，高效的数据共享框架和稳健的算法变得至关重要。我们探讨了数据处理在下一代网络中的关键作用，聚焦于应用提供者（AP）与网络提供者（NP）在数字孪生生态系统中的动态关系。我们引入PANAMA，一种基于优先级不对称的网络感知型多主体强化学习（MARL）框架，用于数字孪生生态系统中的多主体路径规划（MAPF）。通过采用集中训练、分布执行（CTDE）框架和异步 actor-learner 架构，PANAMA加速训练过程，使具身 AI 能够实现自主任务执行。我们的方法在准确性、速度和可扩展性方面均优于现有基准。通过仿真实验，我们突出了面向可扩展自动化系统的优化数据共享策略，确保在复杂真实环境中的韧性。PANAMA 弥合了网络感知决策与稳健多主体协调之间的鸿沟，推动了数字孪生、无线网络与 AI 驱动自动化之间的协同发展。
引用
@article{arxiv.2508.06767,
title = {PANAMA: A Network-Aware MARL Framework for Multi-Agent Path Finding in Digital Twin Ecosystems},
author = {Arman Dogru and R. Irem Bor-Yaliniz and Nimal Gamini Senarath},
journal= {arXiv preprint arXiv:2508.06767},
year = {2025}
}