MAPF-World: Action World Model for Multi-Agent Path Finding

Zhanjiang Yang

doi:10.1109/lra.2026.3726342

MAPF-World: Action World Model for Multi-Agent Path Finding

2026-08-21

0

PRE

AI

DOI：10.1109/lra.2026.3726342

原文链接

原文求助

摘要

En 中文

多智能体路径规划（MAPF）研究从给定起点到指定目标为多个智能体规划无冲突路径的问题，应用包括机器人辅助物流和社会导航。近期分布式学习求解器在大规模MAPF中显示出前景，特别是在利用基础模型和大型数据集时。然而，大多数现有方法依赖反应式策略，常导致拥堵、死锁以及在高智能体密度环境中的泛化能力下降。为解决这些局限性，我们提出MAPF-World，一种用于MAPF的自回归动作世界模型，它统一了短时域局部未来预测和动作生成，使决策超越即时局部观察。MAPF-World通过预测下一局部观察和邻近智能体的动作意图来建模短时域局部动态，捕捉空间结构和时序交互模式。我们进一步引入空间智能体位置编码，将空间感知与智能体级语义集成到基于Transformer的架构中，促进更协调的多智能体行为。此外，我们通过引入基于真实城市布局的自动地图生成器来增强现有MAPF基准，旨在缩小合成模拟与实践部署场景之间的差距。在多样化地图类型和交互设置上的广泛实验表明，MAPF-World相较于现有学习求解器表现出优越性能。值得注意的是，它展现出稳健的零样本泛化能力，并在智能体密度增加时仍保持高成功率。

Keyword:

Multi-agent path finding

action world model

decentralized decision-making

real-world map

MAPF-World: Action World Model for Multi-Agent Path Finding

摘要

期刊

机构

引用论文