将终身多智能体路径规划扩展到更现实的场景：研究挑战与机遇
多智能体系统
2026-03-02 v1 人工智能
摘要
多智能体路径规划（MAPF）是将多个智能体从起点移动到目标点而不发生碰撞的问题。终身MAPF（LMAPF）通过不断向智能体分配新目标来扩展MAPF。我们介绍了在2023年Robot Runners LMAPF竞赛中获胜的方法，这引出了几个有趣的研究挑战和未来方向。本文概述了三个主要研究挑战。第一个挑战是在有限规划时间（例如每步1秒）内为大量智能体（例如10,000个）或极高智能体密度（例如97.7%）搜索高质量的LMAPF解决方案。我们提出了未来方向，例如开发更具竞争力的基于规则和任意时间MAPF算法，以及并行化最先进的MAPF算法。第二个挑战是缓解LMAPF算法中的拥塞和短视行为的影响。我们提出了未来方向，例如开发移动引导和交通规则以减少拥塞，结合未来预测和实时搜索，以及确定最优智能体数量。第三个挑战是弥合文献中使用的LMAPF模型与现实应用之间的差距。我们提出了未来方向，例如处理更现实的运动动力学模型、执行不确定性和演化系统。
引用
@article{arxiv.2404.16162,
title = {Scaling Lifelong Multi-Agent Path Finding to More Realistic Settings: Research Challenges and Opportunities},
author = {He Jiang and Yulun Zhang and Rishi Veerapaneni and Jiaoyang Li},
journal= {arXiv preprint arXiv:2404.16162},
year = {2026}
}
备注
Accepted to Symposium on Combinatorial Search (SoCS), 2024