POGEMA: 多主体路径规划协作基准平台
机器学习
2025-04-09 v3 人工智能
多智能体系统
摘要
多主体强化学习(MARL)近期在 various 环境中取得了在解决各种挑战性协作和竞争问题方面的优异成绩，通常涉及少数主体且具完全可观测性。此外，诸如多机器人路径规划等机器人相关任务，传统上采用经典非学习方法(如启发式搜索)处理，现在也被建议用于学习或混合方法求解。然而，在该领域，由于缺乏支持学习与评估的统一框架，比较经典方法、学习方法和混合方法在不可能进行公平比较。为此，我们引入POGEMA，一个综合性工具集合，包括用于学习的快速环境、问题实例生成器、一组预定义问题实例、可视化工具包以及用于自动评估的基准测试工具。我们还引入并定义了一种评估协议，指定一系列领域相关指标，这些指标基于主要评估指标(如成功率和路径长度)计算， enables fair multi-fold comparison。本文还展示了该比较的结果，涉及多种最先进的MARL、基于搜索的方法和混合方法。
引用
@article{arxiv.2407.14931,
title = {POGEMA: A Benchmark Platform for Cooperative Multi-Agent Pathfinding},
author = {Alexey Skrynnik and Anton Andreychuk and Anatolii Borzilov and Alexander Chernyavskiy and Konstantin Yakovlev and Aleksandr Panov},
journal= {arXiv preprint arXiv:2407.14931},
year = {2025}
}
备注
Published as a conference paper at The International Conference on Learning Representations 2025