本文研究解决多个代理节点在 2D 空间内寻找无冲突路径的问题，并使用分离式的方法，即优先级方法来解决此问题。研究者提出了基于 SIPP 算法的新型任意角度路径规划器，用于在网格上寻找一个代理节点在动态障碍物（其他代理节点）之间移动的轨迹，并在名为 AA-SIPP (m) 的优先级多代理规划器中使用该算法。我们在最多涉及 200 个代理节点的模拟测试中表明，相比于仅依靠基本移动的规划器，我们的规划器在成本方面（高达 20%）能够找到更好的解决方案。

Mar, 2017

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

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

本文介绍了一个基于约束的随机规划问题，其中利用整数线性规划方法确保了确定性决策，同时为安全性关键的应用提供了约束违规概率的上界。同时还介绍了确定性策略和随机策略的随机舍入过程，并探讨了如何在考虑不同时间步的约束情况下进行 CC-SSP 的推广。

Feb, 2023

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

利用规划和运筹学的新框架，解决了随机最短路径问题中冗余计算的问题，提出了一种有效的约束生成技术，应用到了新算法 CG-iLAO*，实验证明 CG-iLAO * 相较于 LRTDP 和 iLAO * 在解决问题时速度提高了 8 倍和 3 倍，并忽略了 iLAO * 的多达 57% 的动作。

Jan, 2024

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

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

本文提出了一种基于高斯过程的路径规划算法，以最大化信息获取并满足资源约束；同时，通过多机器人问题中的分配技巧，将该算法扩展到环境监测等多领域中。

Jan, 2014

本研究提出了一种基于高斯过程模型的无人机自适应信息路径规划算法（OA-IPP），该算法可以在复杂的三维环境中进行目标搜索，该算法与现有的路径规划算法相比表现更好，可以应用于实际的城市搜救情景。

Feb, 2019