在这篇论文中，我们解决了关于协调运动规划（CMP）的参数化复杂性问题，即最小化机器人数量和目标的问题。我们通过对问题的最优解的结构性洞察，建立了这两个问题在前者参数化条件下的固定参数可解性。此外，我们还证明了 CMP-L 在目标参数化条件下保持固定参数可解，而 CMP-M 则成为了 para-NP-hard 问题。后者的结果不仅改进了该问题不可解性的已知边界，还使我们能够通过底层约简来简化情况，从而证明了网格上具有常数路径长度的经典顶点不相交和边不相交路径问题的 NP-hard 性。

Dec, 2023

本文提出了一种基于多层次的任务和动作规划框架，可以协调多个机器人完成复杂结构的组装，在高层次通过整数线性规划算法计算抽象计划，并在低层次使用多智能体路径规划算法规划机器人的运动路线，关键在于高层次规划中的避碰约束和运动的持续时间，以使得抽象计划既可行又高效。

Mar, 2022

研究在没有障碍物的平面上，对两个盘形机器人进行最优协调运动的问题，以两个圆盘中心的总路径长度为距离的度量，为机器人的所有初始和最终配置提供最短碰撞避免运动的精确特征化。

Jul, 2016

该论文提出了一种懒惰计算法并结合局部单调求解器与全局规划器，以高效地解决在密闭空间中进行的物体重新排列问题。该算法可在考虑物体间可达性约束的情况下，快速发现物体间依赖关系，并在求解目标时拓展局部最优解来移动物体以完成整个任务，成功应用于高达 16 个物体的场景中，并且解决速度和解决质量都优于目前现有算法。

Mar, 2022

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

本文提出了分布式算法和对象模型的应用来协调机器人协作建图，以减少通信成本和提高效率。

Feb, 2017

该研究考虑在存在障碍物的情况下，寻找曲率受限的系统的无碰撞路径，同时将执行时间最小化。通过找到有界次优的解，而不是时间最优解，可以显著降低使用的时间最优转换的数量，并仍然保证解的质量。

Apr, 2022

移动自主机器人在制造过程中具有改革性潜力。我们提出了一个完整的算法堆栈，用于解决制造中的挑战，并能够在几分钟内为成千上万个零部件设计复杂的装配计划。

Oct, 2023

该研究提出了一种可扩展的多机器人路径规划方法 dRRT*，利用采样基规划器在所有机器人构型空间的复合配置空间中寻找渐近最优路径，实验表明 dRRT * 可以在高维多机器人问题中收敛到高质量路径。

Jun, 2017

本文提出了一种联合任务和运动规划方法来优化任务的排序、分配和执行，解决多智能体系统中的时空变异性问题，采用时间轴规划处理任务的时间约束、时间变化和协同分配，在网络平面规划中以环境变化为前提，证明了该方法的有效性。

Mar, 2023