研究人员开发了一种使用组分布式规划的并行终身多智能体寻路（L-MAPF）理论框架。新的组分布式RHCR（GD-RHCR）框架建立在滚动时域冲突解决（RHCR）方法的基础上，在折扣马尔可夫决策过程的表述中理论上证明了其近乎最优性。GD-RHCR将智能体划分为组进行并行规划，保持了与RHCR相似的最优保证，同时显著降低了每次规划的成本，并实现了向更高智能体数量的可扩展性。 AI
影响 该理论框架可能为机器人和AI领域复杂的、多智能体的协调问题带来更高效、更具可扩展性的解决方案。
排序理由 该集群包含一篇详细介绍多智能体路径寻找问题的理论框架的学术论文。
在 arXiv cs.MA (Multiagent) 阅读 →
- Group Decentralized RHCR
- Lifelong Multi-Agent Path Finding
- Locally Interdependent Multi-Agent MDP
- Rolling-Horizon Collision Resolution
- arXiv
- GD-RHCR
- L-MAPF
- Markov decision process
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
