# 多智能体路径规划

2 篇关联报道

订阅更新

arXiv 2026年10月2日
DMM 让智能体先协商再行动：在 1600 个 MovingAI 任务中解出 1598 个，并扩展到百万级智能体
该工作指出分散式多智能体路径规划中即使每个智能体的动作分布学得正确，独立采样仍会把各自合法的选择拼成冲突的联合动作，并提出 DMM——让智能体在通信轮次中迭代精炼离散的“动作意图”后再统一承诺，配合无评论家的多智能体强化学习微调方法 MICPO；在 POGEMA 上 DMM 通常取得更高成功率与更低解代价，在 MovingAI 的 1600 个任务中解出 1598 个（评估方法中覆盖最高），并可扩展到超过一百万个同时行动的智能体。
该工作指出分散式多智能体路径规划中即使每个智能体的动作分布学得正确，独立采样仍会把各自合法的选择拼成冲突的联合动作，并提出 DMM——让智能体在通信轮次中迭代精炼离散的“动作意图”后再统一承诺，配合无评论家的多智能体强化学习微调方法 MICPO；在 POGEMA 上 DMM 通常取得更高成功率与更低解代价，在 MovingAI 的 1600 个任务中解出 1598 个（评估方法中覆盖最高），并可扩展到超过一百万个同时行动的智能体。
Valeriy Vyaltsev（第一作者）
DMM（去中心化主脑）MICPO多智能体迭代承诺策略优化多智能体路径规划模仿学习
arXiv 2026年9月16日
在最短路径总长之下路由多智能体：Transient Multiagent Pathfinding 的参数化复杂度刻画
该工作研究 Transient Multiagent Pathfinding（智能体到达终点后立即消失的无碰撞多智能体路径规划），以顺序路由给出的上界 L=1+Σdist(si,ti) 与目标完工时间 λ 之间的差距 ζ=L−λ 及智能体数 k 为参数，证明该问题在 k+ζ 下固定参数可解（2^O(k²ζ)·n^O(1)），并给出 k 单独参数化 W[1]-难、ζ 单独参数化在终点可重复时 W[1]-难、k+ζ 下不存在多项式核的下界，同时证明当所有终点互不相同时问题仅以 ζ 为参数也是固定参数可解（2^O(ζ³)·n^O(1)）。
该工作研究 Transient Multiagent Pathfinding（智能体到达终点后立即消失的无碰撞多智能体路径规划），以顺序路由给出的上界 L=1+Σdist(si,ti) 与目标完工时间 λ 之间的差距 ζ=L−λ 及智能体数 k 为参数，证明该问题在 k+ζ 下固定参数可解（2^O(k²ζ)·n^O(1)），并给出 k 单独参数化 W[1]-难、ζ 单独参数化在终点可重复时 W[1]-难、k+ζ 下不存在多项式核的下界，同时证明当所有终点互不相同时问题仅以 ζ 为参数也是固定参数可解（2^O(ζ³)·n^O(1)）。
Technische Universität Berlin University of Bergen
Matthias Bentert（第一作者）
多智能体路径规划参数化复杂度颜色编码

已读完全部报道

DMM 让智能体先协商再行动：在 1600 个 MovingAI 任务中解出 1598 个，并扩展到百万级智能体

在最短路径总长之下路由多智能体：Transient Multiagent Pathfinding 的参数化复杂度刻画