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

本文提出了一种 Precedence Constrained Conflict Based Search (PC-CBS) 算法，用于解决 Precedence Constrained Multi-Agent Path Finding (PC-MAPF) 问题，算法在仓库装配和多智能体取送货问题中表现优异。

Feb, 2022

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

本文针对多智能体路径规划中的对称性问题，提出了一种通过推理技术解决对称性问题的方法，并将其应用于 CBS 算法，实现了在性能和效率方面的显著提升。

Mar, 2021

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

本文利用冲突基础搜索算法处理可解释多智能体路径规划问题，并探讨了计划时间与可解释性之间的权衡。

Feb, 2022

研究对连续时间多智能体路径规划问题的对称性打破增强方法以及连续时间冲突基于搜索的求解器，并且通过实证研究证明这些增强方法在密集图中比以往的最新技术在相同时间内解决多达 10% 或 20% 更多智能体问题上有统计显著性的性能提升。

Dec, 2023

该研究提出了一个基于 Multi-Agent Path Finding (MAPF) 的两层搜索的 MAPF-DP 解决方案，包括规划具有不完美执行计划的有效 MAPF-DP 解决方案，提出了具有鲁棒性的计划执行策略以控制每个代理的行动，展示了能够生成有效 MAPF-DP 计划的两层 MAPF-DP 求解器（称为期望值最小化近似）。

Dec, 2016

该论文旨在通过提供统一的术语来描述常见的 MAPF 假设和目标，并指向两个 MAPF 基准，介绍了一个新的基于网格的 MAPF 基准，并试验性地证明它对当代 MAPF 算法提出了挑战。

Jun, 2019