基于时序推理的多代理路径搜索执行框架——WinkTPG
人工智能
2026-04-28 v2
摘要
为大规模代理群体规划无碰撞路径是众多实际场景中的挑战性难题。虽然近期在多代理路径搜索（MAPF）方面取得的进展显示出前景，但标准 MAPF 规划器仍依赖简化的动力学模型，导致生成的 MAPF 计划无法被代理直接遵循。为弥合这一差距，我们提出了 kinodynamic 时序计划图规划（kTPG），一种高效的多代理速度优化算法，能够将 MAPF 计划细化为一组可行的动力学速度轮廓。我们进一步纳入执行时序不确定性模型，提供基于有界不确定性模型的确定性保证以及基于随机模型的概率性保证。基于 kTPG，我们提出 Windowed kTPG（WinkTPG），一种 MAPF 执行框架，采用基于窗口的机制逐步细化 MAPF 计划，在执行期间动态整合代理信息以降低不确定性。实验表明，WinkTPG 能在 1 秒内为最多 1000 个代理生成速度轮廓，并通过现有 MAPF 执行方法实现最高可达 51.7% 的解质量提升。我们进一步在高保真物理仿真中验证了 WinkTPG，并在真实机器人上进行了测试。
引用
@article{arxiv.2508.01495,
title = {WinkTPG: An Execution Framework for Multi-Agent Path Finding Using Temporal Reasoning},
author = {Jingtian Yan and Stephen F. Smith and Jiaoyang Li},
journal= {arXiv preprint arXiv:2508.01495},
year = {2026}
}