.png){kind=icon}
返回
CoMP-LG: coordinate-aware multi-agent pathfinding via learnable communication graphs
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07377-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多智能体路径规划中，坐标反映了智能体在环境中的位置，并在防止它们之间发生碰撞方面起着关键作用。需要解决的一个关键问题是，如何建立高效的通信和学习策略，以在智能体之间共享这些坐标信息。然而，当前方法存在信息融合损失和共享信息冗余等问题。因此，本文提出了基于可学习通信图的多智能体路径规划方法CoMP-LG。首先，使用SCDCN网络从智能体的观测中提取特征信息，并应用SCA增强观测特征中的坐标信息，在减少空间维度冗余的同时提高坐标特征的表示能力。接着，将智能体之间的通信问题概念化为可学习图，并使用Transformer优化该图以减少通信冗余。最后，利用该通信图实现智能体之间的信息共享，从而减少多智能体路径规划中局部决策的不确定性。实验结果表明，CoMP-LG在准确率和FlowTime方面均表现出色，适用于不同规模地图和不同数量的智能体。
Keyword:
Learnable graph
Coordinate attention
Multi-agent pathfinding
Multi-agent communication
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
分享收藏Decomposition-Based Hierarchical Task Allocation and Planning for Multi-Robots Under Hierarchical Temporal Logic Specifications基于分解的分层任务分配与规划：在分层时序逻辑规范下的多机器人应用
OAAI
OAAI分享收藏ALPHA: Attention-based Long-horizon Pathfinding in Highly-structured AreasALPHA：基于注意力的长视域路径规划在高结构化区域OAAI
OAAI分享收藏Learning attention-based strategies to cooperate for multi-agent path finding学习基于注意力机制的策略以实现多智能体路径规划的合作.png)
JUSTCOAAI
JUSTCIF0
OAAI分享收藏
查看更多内容