WikiEdge:ArXiv速遞/2025-05-25

摘要

• 原文標題：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
• 中文標題：路徑交匯之處：經典與基於學習的多智能體路徑規劃綜合綜述
• 發布日期：2025-05-25 16:28:06+00:00
• 作者：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
• 分類：cs.AI, cs.LG, cs.MA, math.CO
• 原文連結：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智慧和機器人學中的基礎性問題，其核心任務是為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨著自主系統在倉儲、城市交通等複雜環境中的廣泛應用，MAPF已從理論挑戰發展為現實多機器人協調的關鍵技術。本綜述彌合了MAPF研究中經典算法與新興學習方法之間的長期分野，提出一個統一框架涵蓋搜索類方法（包括基於衝突的搜索、優先級搜索和大鄰域搜索）、編譯類方法（SAT、SMT、CSP、ASP和MIP形式化）以及數據驅動技術（強化學習、監督學習和混合策略）。通過對200餘篇論文實驗實踐的系統分析，我們發現評估方法存在顯著差異：經典方法通常在更大規模實例測試（可達200×200網格與1000+智能體），而學習方法主要針對10-100智能體場景。我們建立了涵蓋評估指標、環境類型和基線選擇的完整分類體系，強調標準化基準協議的必要性。最後展望了未來方向，包括考慮博弈論的混合動機MAPF、基於大語言模型的語義化規劃，以及融合經典方法嚴謹性與深度學習靈活性的神經求解器架構。本綜述既可作為研究者的綜合參考，也能為複雜現實場景中的MAPF部署提供實踐指導。

摘要

• 原文標題：Where Paths Collide: A Comprehensive Survey of Classic and Learning-Based Multi-Agent Pathfinding
• 中文標題：路徑交匯之處：經典與基於學習的多智能體路徑規劃綜合綜述
• 發布日期：2025-05-25 16:28:06+00:00
• 作者：Shiyue Wang, Haozheng Xu, Yuhan Zhang, Jingran Lin, Changhong Lu, Xiangfeng Wang, Wenhao Li
• 分類：cs.AI, cs.LG, cs.MA, math.CO
• 原文連結：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智慧和機器人學中的基礎性問題，其核心任務是為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨著自主系統在倉儲、城市交通等複雜環境中的日益普及，MAPF已從理論挑戰發展為現實多機器人協調的關鍵使能技術。本綜述彌合了MAPF研究中經典算法方法與新興學習方法之間的長期分野，提出一個統一框架涵蓋搜索類方法（包括基於衝突的搜索、優先級搜索和大鄰域搜索）、編譯類方法（SAT、SMT、CSP、ASP和MIP形式化）以及數據驅動技術（強化學習、監督學習和混合策略）。通過對200餘篇論文實驗實踐的系統分析，我們發現評估方法存在顯著差異：經典方法通常在更大規模實例上測試（可達200×200網格和1000+智能體），而學習方法主要針對10-100個智能體。我們建立了評估指標、環境類型和基線選擇的完整分類體系，強調標準化基準測試協議的必要性。最後，我們展望了未來研究方向，包括考慮博弈論的混合動機MAPF、基於大語言模型的自然語言規劃，以及融合經典方法嚴謹性與深度學習靈活性的神經求解器架構。本綜述既可作為研究人員的綜合參考，也能為日益複雜的現實應用部署MAPF解決方案提供實踐指南。