动态感知多智能体路径规划模型

成功率提升超15%

针对动态邻居干扰导致的策略不稳定问题，通过几何感知双分辨率编码器和策略-价值耦合规划机制，增强智能体对瞬态与持久交互的区分能力，从而提升决策稳定性。

Lin, Huo · 毛剑琳 · 伞红军 · Zhi-Wei, Xuan · Zhigang, He

Advanced Engineering Informatics 2026

参数信息

成功率提升

15 %

技术优势

能区分瞬态与持久干扰

几何感知双分辨率编码器让智能体识别出哪些邻居相遇只是暂时的，哪些交互模式会持续并阻碍路径，从而避免对短暂干扰过度反应。

决策更稳定

在执行阶段，策略-价值耦合规划用价值引导调制策略分布，减少动态邻居干扰下的动作抖动，让智能体行动更一致。

训练过程更平稳

MAPF-Aware Restart Scheduler 根据交互动态调整学习率，降低了多智能体训练中的非平稳性，使训练更可控。

应用场景

• 多智能体路径规划：在无中心控制下仍然能保持高成功率，用于大规模路径规划。
• 仓储机器人调度：分布式执行降低通信依赖，适合多机器人仓库交通管理。
• 群体机器人协作：对动态邻居干扰具有稳定性，适合群体协作中的避碰。
• 移动机器人导航：在噪声和漂移下仍能可靠工作，可用于真实移动机器人导航。