查看“WikiEdge:ArXiv速递/2025-05-25”的源代码

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，其核心任务是为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中的广泛应用，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键技术。本综述弥合了MAPF研究中[[经典算法]]与[[新兴学习方法]]之间的长期分野，提出一个统一框架涵盖[[搜索类方法]]（包括[[基于冲突的搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、[[编译类方法]]（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及[[数据驱动技术]]（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现[[评估方法]]存在显著差异：经典方法通常在更大规模实例测试（可达200×200网格与1000+智能体），而学习方法主要针对10-100智能体场景。我们建立了涵盖[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后展望了未来方向，包括考虑[[博弈论]]的[[混合动机MAPF]]、基于[[大语言模型]]的[[语义化规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既可作为研究者的综合参考，也能为复杂现实场景中的MAPF部署提供[[实践指导]]。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（[[MAPF]]）是[[人工智能]]和[[机器人学]]中的基础性问题，其核心任务是为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中的日益普及，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法之间的长期分野，提出一个统一框架涵盖搜索类方法（包括[[基于冲突的搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、编译类方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及数据驱动技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（可达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了评估指标、环境类型和基线选择的完整分类体系，强调标准化[[基准测试]]协议的必要性。最后，我们展望了未来研究方向，包括考虑[[博弈论]]的混合动机MAPF、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器]]架构。本综述既可作为研究人员的综合参考，也能为日益复杂的现实应用部署MAPF解决方案提供实践指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合研究
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，旨在为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中日益普及，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法之间的长期分野，提出一个统一框架涵盖搜索类方法（包括[[基于冲突的搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、编译类方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及数据驱动技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（高达200×200网格和1000+智能体），而学习方法主要针对10-100智能体场景。我们建立了涵盖[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后，我们展望了未来方向，包括考虑[[博弈论]]的[[混合动机MAPF]]、基于[[大语言模型]]的[[语义规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既可作为研究人员的综合参考，也能为复杂现实应用中MAPF方案的部署提供实践指导。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合研究
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（[[MAPF]]）是[[人工智能]]和[[机器人学]]中的基础性问题，旨在为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中日益普及，[[MAPF]]已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了[[MAPF]]研究中经典算法方法与新兴学习方法之间的长期分野，提出了一个统一框架，涵盖基于搜索的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于编译的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及数据驱动技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（高达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了评估指标、环境类型和基线选择的完整分类体系，强调标准化基准协议的必要性。最后，我们展望了未来方向，包括考虑[[博弈论]]的混合动机[[MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器]]架构。本综述既可作为研究人员的综合参考，也可作为在日益复杂的现实应用中部署[[MAPF]]方案的实用指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合研究
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（[[MAPF]]）是[[人工智能]]和[[机器人学]]中的基础性问题，需要为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓库]]、[[城市交通]]和其他[[复杂环境]]中的日益普及，[[MAPF]]已从[[理论挑战]]发展为现实世界[[多机器人协调]]的关键使能技术。本综述弥合了[[MAPF]]研究中[[经典算法]]方法与[[新兴学习方法]]之间的长期分歧。我们提出了一个统一框架，涵盖基于[[搜索]]的方法（包括[[基于冲突的搜索]]、[[基于优先级的搜索]]和[[大邻域搜索]]）、基于[[编译]]的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]公式化）以及[[数据驱动]]技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200多篇论文[[实验实践]]的系统分析，我们发现[[评估方法]]存在显著差异——[[经典方法]]通常在更大规模实例上测试（高达200×200[[网格]]和1000+[[智能体]]），而[[学习方法]]主要针对10-100个[[智能体]]。我们提供了[[评估指标]]、[[环境类型]]和[[基线选择]]的全面分类，强调[[标准化基准测试]]协议的必要性。最后，我们展望了未来研究方向，包括具有[[博弈论]]考量的[[混合动机]][[MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合[[经典方法]]严谨性与[[深度学习]]灵活性的[[神经求解器]]架构。本综述既可作为[[研究人员]]的综合参考，也可作为在日益复杂的[[现实应用]]中部署[[MAPF]]解决方案的[[实践指南]]。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（[[MAPF]]）是[[人工智能]]和[[机器人学]]中的基础性问题，需要为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中日益普及，[[MAPF]]已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了[[MAPF]]研究中经典[[算法]]方法与新兴[[学习方法]]之间的长期分野。我们提出了一个统一框架，涵盖基于[[搜索]]的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于[[编译]]的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]公式化）以及[[数据驱动]]技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200多篇论文实验实践的系统分析，我们发现[[评估方法]]存在显著差异——经典方法通常在更大规模实例上测试（高达200×200[[网格]]和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准测试]]协议的必要性。最后，我们展望了未来方向，包括考虑[[博弈论]]的[[混合动机MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器]]架构。本综述既可作为研究人员的综合参考，也可作为在日益复杂的现实应用中部署[[MAPF]]方案的实用指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，旨在为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中的日益普及，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法的长期分野，提出涵盖搜索类方法（包括[[基于冲突的搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、编译类方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]公式化）以及[[数据驱动技术]]（[[强化学习]]、[[监督学习]]和[[混合策略]]）的统一框架。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（高达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后，我们展望了未来方向，包括考虑[[博弈论]]的[[混合动机MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既可作为研究人员的综合参考，也可作为复杂现实应用中部署MAPF方案的实践指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，旨在为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓库]]、[[城市交通]]等复杂环境中的日益普及，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法的长期分野，提出一个统一框架涵盖基于搜索的方法（包括[[冲突搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于编译的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]公式化）以及数据驱动技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200多篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（高达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后，我们展望了未来方向，包括[[博弈论]]视角的[[混合动机MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既是研究人员的综合参考，也是复杂现实应用中部署MAPF方案的实践指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（[[MAPF]]）是[[人工智能]]和[[机器人学]]中的基础性问题，需要为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓库]]、[[城市交通]]等复杂环境中日益普及，[[MAPF]]已从理论挑战发展为现实世界[[多机器人协调]]的关键使能技术。本综述弥合了[[MAPF]]研究中经典[[算法方法]]与新兴[[学习方法]]之间的长期分野，提出了一个统一框架，涵盖基于[[搜索]]的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于[[编译]]的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及[[数据驱动]]技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200多篇论文实验实践的系统分析，我们发现[[评估方法]]存在显著差异：经典方法通常在更大规模实例上测试（可达200×200[[网格]]和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准测试协议]]的必要性。最后，我们展望了未来方向，包括具有[[博弈论]]考量的[[混合动机MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既可作为研究人员的综合参考，也可作为在日益复杂的现实应用中部署[[MAPF]]方案的实用指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，旨在为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓库]]、[[城市交通]]等复杂环境中的日益普及，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法的长期分野，提出一个统一框架涵盖：基于[[搜索]]的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于[[编译]]的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及[[数据驱动]]技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异——经典方法通常在更大规模实例上测试（可达200×200网格与1000+智能体），而学习方法主要针对10-100智能体场景。我们建立了涵盖[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后展望了未来方向：包含[[博弈论]]考量的[[混合动机MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既可作为研究者的综合参考，也能为复杂现实应用中MAPF方案的部署提供实践指南。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合研究
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，需要为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓库]]、[[城市交通]]和其他复杂环境中的日益普及，MAPF已从理论挑战发展为现实世界[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法之间的长期分歧。我们提出了一个统一框架，涵盖基于搜索的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于编译的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]公式化）以及数据驱动技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200多篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（高达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们提供了评估指标、环境类型和基线选择的完整分类法，强调标准化[[基准测试]]协议的必要性。最后，我们展望了未来研究方向，包括具有[[博弈论]]考量的混合动机MAPF、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器]]架构。本综述既可作为研究人员的综合参考，也可作为在日益复杂的现实应用中部署MAPF解决方案的实践指南。

== 摘要 ==
* '''原文标题'''：Microscopic constraints for the equation of state and structure of neutron stars: a Bayesian model mixing framework
* '''中文标题'''：中子星物态方程与结构的微观约束：贝叶斯模型混合框架
* '''发布日期'''：2025-05-25 01:04:40+00:00
* '''作者'''：A. C. Semposki, C. Drischler, R. J. Furnstahl, D. R. Phillips
* '''分类'''：nucl-th, astro-ph.HE, hep-ph
*'''原文链接'''：http://arxiv.org/abs/2505.18921v1
'''中文摘要'''：[[贝叶斯模型混合]](BMM)是一种统计技术，能够以原理性方式整合输入空间不同区域的约束条件。本文将该BMM框架从对称[[核物质]]扩展至非对称物质，重点研究零温度、电荷中性且处于β平衡态的物质[[状态方程]](EOS)。我们采用[[高斯过程]](GP)从两种微观理论推导[[中子星]]物质在中密度区的EOS约束：在[[核饱和密度]]附近(n_B∼n_0)的[[手征有效场论]](χEFT)，以及在极高[[重子密度]](n_B≥20n_0)下的微扰[[QCD]]。通过[[BUQEYE]]截断误差模型量化χEFT和pQCD状态方程的不确定性。我们展示了框架的灵活性：既采用传统平稳[[核函数]]，也引入非平稳[[变点核函数]]，后者通过纳入≥2n_0密度区的理论预测和[[重离子碰撞]]实验等外源数据来探索致密物质EOS的潜在约束。基于这些EOS推算了中子星[[质量-半径关系]]及其不确定性。本框架的实现代码将通过[[GitHub]]仓库公开，所生成的状态方程先验分布可应用于大规模中子星推断研究。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，其核心任务是为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中的广泛应用，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法的长期分野，提出了一个统一框架，涵盖基于搜索的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于编译的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]形式化）以及[[数据驱动技术]]（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（可达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了涵盖[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后，我们展望了未来研究方向，包括考虑[[博弈论]]的[[混合动机MAPF]]、基于[[大语言模型]]的[[语义化规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既可作为研究人员的综合参考，也能为复杂现实应用中MAPF方案的部署提供实践指导。

== 摘要 ==
* '''原文标题'''：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
* '''中文标题'''：路径交汇之处：经典与基于学习的多智能体路径规划综合综述
* '''发布日期'''：2025-05-25 16:28:06+00:00
* '''作者'''：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
* '''分类'''：cs.AI, cs.LG, cs.MA, math.CO
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1
'''中文摘要'''：[[多智能体路径规划]]（MAPF）是[[人工智能]]和[[机器人学]]中的基础性问题，旨在为多个[[智能体]]计算从起始位置到目标位置的[[无碰撞路径]]。随着[[自主系统]]在[[仓储]]、[[城市交通]]等复杂环境中的日益普及，MAPF已从理论挑战发展为现实[[多机器人协调]]的关键使能技术。本综述弥合了MAPF研究中经典算法方法与新兴学习方法之间的长期分野。我们提出一个统一框架，涵盖基于[[搜索]]的方法（包括[[冲突导向搜索]]、[[优先级搜索]]和[[大邻域搜索]]）、基于[[编译]]的方法（[[SAT]]、[[SMT]]、[[CSP]]、[[ASP]]和[[MIP]]公式化）以及[[数据驱动]]技术（[[强化学习]]、[[监督学习]]和[[混合策略]]）。通过对200余篇论文实验实践的系统分析，我们发现评估方法存在显著差异：经典方法通常在更大规模实例上测试（可达200×200网格和1000+智能体），而学习方法主要针对10-100个智能体。我们建立了关于[[评估指标]]、[[环境类型]]和[[基线选择]]的完整分类体系，强调[[标准化基准协议]]的必要性。最后，我们展望了未来方向，包括考虑[[博弈论]]的[[混合动机MAPF]]、基于[[大语言模型]]的[[自然语言规划]]，以及融合经典方法严谨性与[[深度学习]]灵活性的[[神经求解器架构]]。本综述既是研究人员的综合参考，也是在实际复杂应用中部署MAPF方案的实用指南。