多智能体导航中的对称性破缺：基于拓扑策略的绕数感知模型预测控制
机器人学
2026-03-09 v2 多智能体系统
摘要
在无显式通信的分布式多智能体导航中，由于每个智能体必须自主决定如何超越其他智能体，它们可能陷入对称性引起的死锁。为了解决这个问题，我们提出了WNumMPC，一种分层导航方法，它通过拓扑不变量——绕数来量化协作对称性破缺策略，并通过强化学习学习此类策略。基于学习的规划器输出连续值的带符号目标绕数和动态重要性权重，以在密集交叉中优先处理关键交互。然后，基于模型的控制器根据规划器提供的策略和权重生成无碰撞且高效的运动。仿真和真实机器人实验表明，WNumMPC有效避免了死锁和碰撞，并且在密集和易对称的场景中取得了优于基线的性能。这些实验还表明，显式利用绕数可以实现稳健的仿真到现实迁移，且性能下降极小。实验代码可在https://github.com/omron-sinicx/WNumMPC获取。
引用
@article{arxiv.2511.15239,
title = {Symmetry-Breaking in Multi-Agent Navigation: Winding Number-Aware MPC with a Learned Topological Strategy},
author = {Tomoki Nakao and Kazumi Kasaura and Tadashi Kozuno},
journal= {arXiv preprint arXiv:2511.15239},
year = {2026}
}
备注
12 pages, 7 figures