WikiEdge:ArXiv速递/2025-05-25：修订间差异
Updated page by Carole |
Updated page by Carole |
||
| 第43行： | 第43行： | ||
*'''原文链接'''：http://arxiv.org/abs/2505.19219v1 | *'''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]]。 | '''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。 | |||
2025年6月1日 (日) 18:02的版本
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。