WikiEdge:ArXiv速递/2025-05-25：修订间差异
Updated page by Carole |
Updated page by Carole |
||
| 第106行： | 第106行： | ||
*'''原文链接'''：http://arxiv.org/abs/2505.18921v1 | *'''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。 | '''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。 | |||
2025年6月11日 (三) 00:40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。
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。