多智能体路径规划中的任意角路径规划问题，利用连续冲突搜索算法和安全区间路径规划算法的最优算法及其可行解空间分割和多约束技术，能解决比传统组合更多的问题。

Apr, 2024

该文介绍了一种基于加减速运动学约束、解决单智能体路径规划问题的改进 SIPP 算法，实验表明，与 A * 相比，该算法扩展次数更少、速度更快。

Feb, 2023

本研究介绍了一个处理多智能体运输问题的新算法，使用组合搜索算法 SIPPwRT 进行单智能体路径规划，并考虑了实际机器人的动力学约束，相比于现有算法更为高效和有效。

Dec, 2018

提出了一种基于 Safe interval path planning (SIPP) 和 Conflict-based search (CBS) 算法的多智能体路径规划 (Multi-Agent Pathfinding, MAPF) 方法，不依赖于网格、时间步长和动作的同时，并具有保证最优解的特点。对该算法进行了分析、讨论优劣，并在多项标准基准测试中进行了实验评估。

Jan, 2019

在本文中，我们考虑了连续空间下的多机器人路径规划（Multi-Robot Path Planning，MRPP）问题，以找到无冲突的路径。为此，我们提出了一个两级方法，其中低级是一个基于采样的规划器 Safe Interval RRT*（SI-RRT*），用于找到单个机器人的无碰撞轨迹。高级方法可以使用任何能够解决机器人间冲突的方法，我们采用了两种代表性方法，即优先级规划（SI-CPP）和基于冲突搜索（SI-CCBS）。实验结果表明，SI-RRT * 能够快速找到高质量解，且样本数量较少。SI-CPP 在可扩展性方面表现较好，而 SI-CCBS 相对于现有的连续空间规划器而言，能够产生更高质量的解。与最具可扩展性的现有算法相比，SI-CPP 在保持解质量的同时，成功率提高了多达 94%，并且不会造成显著妥协。SI-CPP 还能够将完成时间缩短 45%。SI-CCBS 相对于竞争对手，将完成时间减少了 9%，尽管成功率降低了 14%。

Apr, 2024

提出了一个三级方法以减少在线多智能体路径规划的计算冗余，其中高、中、低三个层面分别使用了可持续的信息，实验结果表明，该方法在计算效率上有显着改善。

Jan, 2023

我们提出了一种可扩展和有效的多智能体安全运动规划器，通过寻找每个智能体的分段线性路径，解决了丰富的障碍物、高维度、非线性、非完整动力学、执行限制和干扰等挑战，并通过解决混合整数线性规划问题，协调智能体的碰撞避免路径。

Dec, 2020

本篇研究提出一种基于风险意识的智能路口系统，利用基于多智能体概率有约束随机最短路径问题和整数线性规划的方法解决了路口自动驾驶和人类驾驶的协调问题，并通过 CARLA 模拟器验证之后得出该方案可以提高决策效率高达 200％，同时可以适应可调整的风险阈值。

Oct, 2022

本文提出一种通过加入多种传感器数据来进行环境探索的智能体路径规划算法，使用基于高斯过程信念的马尔可夫决策过程进行求解并在线规划中使用顺序贝叶斯优化方法以平衡传感、移动和资源限制，结果表明该方法较以往的算法表现更佳，在资源利用效率和信念平均误差方面都有明显提升，并且我们的实现已经完全开源以方便后续的发展和比较。

Sep, 2022

本文提出了两种新的基于 Theta * 算法的任意角路径规划算法，可以避免传统栅格路径规划算法在路径长度上的缺陷，并将其应用于具有不同遍历代价的非均质栅格中。

Jan, 2014