MAPF-LNS2

新的DMM方法优化多智能体路径寻找协调

研究人员开发了去中心化主脑（DMM），一种新颖的多智能体路径寻找（MAPF）方法，解决了独立行动采样导致不兼容联合行动的问题。DMM受扩散模型启发，通过通信轮次迭代优化行动意图，使智能体在承诺行动前能够进行协调。该方法采用模仿学习进行训练，并使用MICPO进行优化，与现有的可学习基线相比，在成功率和解决方案成本方面表现更优，在MovingAI任务上实现了高覆盖率，并可扩展到超过一百万个智能体。