Lifelong Multi-Agent Path Finding
PulseAugur coverage of Lifelong Multi-Agent Path Finding — every cluster mentioning Lifelong Multi-Agent Path Finding across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型AGV交通管理系统将工业吞吐量提升11%
本文介绍了一种用于复杂工业环境中自动导引车（AGV）的新型交通管理系统。该系统利用终身多智能体路径查找（L-MAPF）算法结合非均匀有理B样条（NURBS）进行路径生成。它采用改进的边界视界基于冲突的搜索（CBS）算法，并结合滚动视界冲突解决策略，以确保非网格状环境中各种AGV的安全高效运行。实验结果表明，与现有方法相比，吞吐量提高了11%。
-
新框架支持多智能体路径寻找的并行规划
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。
-
New PUSH planner enables scalable long-horizon pathfinding for thousands of agents
研究人员推出了一种名为 PUSH (Path Updates over Staggered Horizons) 的新型规划器，专为终身多智能体路径查找 (LMAPF) 设计。PUSH 旨在通过实现长时程推理来克服现有反应式框架的局限性，同时保持数千个智能体的可扩展性。该系统结合了 PIBT、RHCR 和 TP 的元素，使其能够在通用地图上进行多步规划，而无需进行限制性假设，并在评估中展示了显著的吞吐量改进。