Multi-Agent Reinforcement Learning With Spatial Structure Awareness for Topological Map-Based Path-Finding

Anzhe Wang

doi:10.1109/LRA.2025.3635371

Multi-Agent Reinforcement Learning With Spatial Structure Awareness for Topological Map-Based Path-Finding

2025-11-21

0

PRE

AI

DOI：10.1109/LRA.2025.3635371

原文链接

原文求助

摘要

En 中文

高效的多智能体路径规划（MAPF）对仓库物流至关重要。尽管现有的基于学习的方法主要依赖于计算密集型的网格基表示，但拓扑地图提供了一种更灵活且可扩展的替代方案——尽管这种方法仍研究不足。为填补这一空白，我们提出了一种用于拓扑MAPF的新型多智能体强化学习（MARL）框架，具有三项关键创新：（1）一种图结构化的POMDP建模，利用我们的广度优先邻域限制搜索（BFNLS）算法来定义可扩展的观察/动作空间，同时保持固定维度；（2）一种图结构感知（GSA）模型，结合谱（基于特征值）和空间（基于图卷积网络）分析，以整合局部子图特征与全局拓扑重要性指标；（3）一种合作式MARL架构，采用价值分解网络（VDN）通过图感知的信用分配明确建模智能体依赖关系。仿真结果表明，与基线方法相比，我们的方法具有更高的成功率，比基于搜索的方法具有更高的规划效率，并且真实机器人实验证明了该方法在物理环境中的有效性。

Keyword:

Path planning for multiple mobile robots or agents

multi-robot systems

Multi-Agent Reinforcement Learning With Spatial Structure Awareness for Topological Map-Based Path-Finding

摘要

期刊

机构

引用论文