Feb, 2024

合作自主驾驶的多智能体路径规划

PDF
TL;DR通过混合多智能体路径规划和无信号交叉口有序安排算法，本研究提出了一种性能显著优于现有算法、固定启发式以及基于 ARR 实施的优先规划的优化和完整算法 (OBS-KATS)，并在不同车辆到达率、车道长度、交叉速度和控制范围下保持性能，具有直接适用于类似规模的交通和多机器人场景的特点。
cooperative autonomous drivingmulti-agent path findingoptimizing crossing orderorder-based search with kinematics arrival time scheduling (obs-kats)traffic and multi-robot scenarios
发现论文，激发创造
  • 基于图的多机器人路径规划

    对现代算法的评估表明，针对多机器人系统的多智能体路径规划是解决自动仓库实现，火车调度和非完整机器人导航等多个应用领域重要方面的关键技术。

    Jun, 2022

  • 交通流优化对于终生多智能体路径规划

    多智能体路径规划（Multi-Agent Path Finding）是机器人领域的一个基本问题，该研究提出了一种新方法来解决这个问题，该方法通过引导智能体按照避免拥堵的路径前往目的地，有效提高了解决方案质量，并在整体通量方面取得了显著改进。

    Aug, 2023

  • 基于深度学习模型的协同自动驾驶载具编队在路口的协调控制

    本文提出了一种通过结合深度学习和在线搜索的算法（AlphaOrder）来解决无信号交叉口机器人交通的最优通过顺序问题，该算法可用于实时生成近似最优的通过顺序，并可以用于管理多个自动引导车（AGVs）和无人机（UAVs）等机器人的抢占式资源共享。

    Nov, 2022

  • 城市交通路口联网自动化车辆的最优控制与协调

    本文提出了一个民间最优控制框架，该方法可以协调联网和自动化的车辆穿过城市区域的相邻两个交叉口，并优化车辆加减速度降低油耗，保证在不使用交通信号灯的情况下交叉口的流畅与行车安全和避免拥堵。最后在仿真实验中证实了该方法的有效性，并表明车辆油耗和行程时间均可以大大降低。

    Sep, 2015

  • 连续时间下的多智能体路径规划

    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

  • 多智能体机会限制随机最短路径及在风险感知智能路口中的应用

    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

  • k - 强韧多智能体路径规划中的对称性破缺

    本文介绍了多机器人路径规划问题中考虑异常情况的 k-Robust Conflict-Based Search 算法，以及引入对 k-robust 规划特定的对称性约束可以有效地找到冲突代理的兼容和最优路径，在多个领域中的应用效果较好，包括传统的 MAPF 基准测试，自动化仓库领域和最近推出 Flatland 挑战的铁路领域。

    Feb, 2021

  • 一致优先级搜索多智能体路径规划

    该研究探讨优先规划在多智能体路径规划中的应用，提出了基于冲突驱动的组合搜索框架，在实验中展示了其解决方案的先进性和成功率，并首次探讨了优先规划的完整性和最优性的局限性。

    Dec, 2018

  • 多智能体造地：通过环境操作实现高效多智能体路径规划

    本文介绍了一种新的 MAPF 扩展，称为 Terraforming MAPF（tMAPF），其中一些代理负责移动障碍以为其他代理清除道路。我们介绍了两种先进算法 CBS 和 PBS 的扩展来解决 tMAPF 问题，并表明它们无论在哪种静态障碍条件下都可以持续超过最佳解决方案。

    Mar, 2022

  • 分布式蒙特卡洛树搜索用于部分可观察多智体路径规划

    我们提出了一种基于分布式多智能体蒙特卡罗树搜索方法的多智能体路径规划算法，通过利用智能体的观察结果重新创建内在的马尔科夫决策过程，并结合针对多智能体任务的定制化神经蒙特卡罗树搜索算法进行路径规划，实验证明该方法优于现有的学习型多智能体路径规划器。

    Dec, 2023