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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能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。隨着自主系統在倉儲、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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能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。隨着自主系統在倉儲、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。

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研究
• 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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，旨在為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉儲、城市交通等複雜環境中日益普及，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（高達200×200網格和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，我們展望了未來方向，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，也能為複雜現實應用中MAPF方案的部署提供實踐指導。

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研究
• 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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，旨在為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉儲、城市交通等複雜環境中日益普及，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，提出了一個統一框架，涵蓋基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（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（高達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，強調標準化基準協議的必要性。最後，我們展望了未來方向，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，也可作為在日益複雜的現實應用中部署MAPF方案的實用指南。

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研究
• 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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，需要為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉庫、城市交通和其他複雜環境中的日益普及，MAPF已從理論挑戰發展為現實世界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歧。我們提出了一個統一框架，涵蓋基於搜索的方法（包括基於衝突的搜索、基於優先級的搜索和大鄰域搜索）、基於編譯的方法（SAT、SMT、CSP、ASP和MIP公式化）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多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（高達200×200網格和1000+智能體），而學習方法主要針對10-100個智能體。我們提供了評估指標、環境類型和基線選擇的全面分類，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，包括具有博弈論考量的混合動機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，也可作為在日益複雜的現實應用中部署MAPF解決方案的實踐指南。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，需要為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉儲、城市交通等複雜環境中日益普及，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。我們提出了一個統一框架，涵蓋基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（SAT、SMT、CSP、ASP和MIP公式化）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多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（高達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，也可作為在日益複雜的現實應用中部署MAPF方案的實用指南。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，旨在為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉儲、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的長期分野，提出涵蓋搜索類方法（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公式化）以及數據驅動技術（強化學習、監督學習和混合策略）的統一框架。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（高達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，強調標準化基準協議的必要性。最後，我們展望了未來方向，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，也可作為複雜現實應用中部署MAPF方案的實踐指南。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，旨在為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉庫、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的長期分野，提出一個統一框架涵蓋基於搜索的方法（包括衝突搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（SAT、SMT、CSP、ASP和MIP公式化）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多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（高達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，強調標準化基準協議的必要性。最後，我們展望了未來方向，包括博弈論視角的混合動機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。本綜述既是研究人員的綜合參考，也是複雜現實應用中部署MAPF方案的實踐指南。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，需要為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉庫、城市交通等複雜環境中日益普及，MAPF已從理論挑戰發展為現實世界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，提出了一個統一框架，涵蓋基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（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多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，我們展望了未來方向，包括具有博弈論考量的混合動機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，也可作為在日益複雜的現實應用中部署MAPF方案的實用指南。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，旨在為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉庫、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的長期分野，提出一個統一框架涵蓋：基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（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：包含博弈論考量的混合動機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者的綜合參考，也能為複雜現實應用中MAPF方案的部署提供實踐指南。

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研究
• 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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，需要為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉庫、城市交通和其他複雜環境中的日益普及，MAPF已從理論挑戰發展為現實世界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歧。我們提出了一個統一框架，涵蓋基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（SAT、SMT、CSP、ASP和MIP公式化）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多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（高達200×200網格和1000+智能體），而學習方法主要針對10-100個智能體。我們提供了評估指標、環境類型和基線選擇的完整分類法，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，包括具有博弈論考量的混合動機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，也可作為在日益複雜的現實應用中部署MAPF解決方案的實踐指南。

摘要

• 原文標題：Microscopic constraints for the equation of state and structure of neutron stars: a Bayesian model mixing framework
• 中文標題：中子星物態方程與結構的微觀約束：貝葉斯模型混合框架
• 發布日期：2025-05-25 01:04:40+00:00
• 作者：A. C. Semposki, C. Drischler, R. J. Furnstahl, D. R. Phillips
• 分類：nucl-th, astro-ph.HE, hep-ph
• 原文鏈接：http://arxiv.org/abs/2505.18921v1

中文摘要：貝葉斯模型混合(BMM)是一種統計技術，能夠以原理性方式整合輸入空間不同區域的約束條件。本文將該BMM框架從對稱核物質擴展至非對稱物質，重點研究零溫度、電荷中性且處於β平衡態的物質狀態方程(EOS)。我們採用高斯過程(GP)從兩種微觀理論推導中子星物質在中密度區的EOS約束：在核飽和密度附近(n_B∼n_0)的手征有效場論(χEFT)，以及在極高重子密度(n_B≥20n_0)下的微擾QCD。通過BUQEYE截斷誤差模型量化χEFT和pQCD狀態方程的不確定性。我們展示了框架的靈活性：既採用傳統平穩核函數，也引入非平穩變點核函數，後者通過納入≥2n_0密度區的理論預測和重離子碰撞實驗等外源數據來探索緻密物質EOS的潛在約束。基於這些EOS推算了中子星質量-半徑關係及其不確定性。本框架的實現代碼將通過GitHub倉庫公開，所生成的狀態方程先驗分布可應用於大規模中子星推斷研究。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能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。隨着自主系統在倉儲、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研究中經典算法方法與新興學習方法的長期分野，提出了一個統一框架，涵蓋基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（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，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人員的綜合參考，也能為複雜現實應用中MAPF方案的部署提供實踐指導。

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
• 原文鏈接：http://arxiv.org/abs/2505.19219v1

中文摘要：多智能體路徑規劃（MAPF）是人工智能和機器人學中的基礎性問題，旨在為多個智能體計算從起始位置到目標位置的無碰撞路徑。隨着自主系統在倉儲、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。我們提出一個統一框架，涵蓋基於搜索的方法（包括衝突導向搜索、優先級搜索和大鄰域搜索）、基於編譯的方法（SAT、SMT、CSP、ASP和MIP公式化）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。我們建立了關於評估指標、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，我們展望了未來方向，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。本綜述既是研究人員的綜合參考，也是在實際複雜應用中部署MAPF方案的實用指南。