本文研究了多智能体取送问题的一个生命周期版本，提出了两种算法Token Passing与Token Passing with Task Swaps，其中TP算法对于拥有数百个智能体和任务的MAPD实例仍然有效，可全面推广为全分布式MAPD算法，TPTS需要少量智能体之间的通信，TP算法适用于需要实时计算的情况，TPTS算法则在TP算法与集中式MAPD算法之间做出了平衡。

May, 2017

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

本文研究了在大型自动化仓库等场景下，智能体不断需要寻找新的目标点的长期多智能体路径规划问题。我们提出了一种新的解决方案，Rolling-Horizon Collision Resolution框架，通过将问题分解成一系列窗口MAPF实例来解决，其中窗口MAPF解决器仅在有限时间范围内解决智能体路径的冲突，并忽略其外的冲突。我们通过模拟仓库实例，经验性地评估了RHCR，并与各种MAPF解算器进行了比较，在多达1000个智能体的情况下（=地图上38.9％的空单元格），RHCR可以产生高质量的解决方案，显着优于现有工作。

May, 2020

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

本文主要研究如何在lifelong MAPF中使用highway方法解决地图规模增大、密度增大等问题，以减少deadlocks现象并优化throughput，实验证明runtime得到改进。

Apr, 2023

本论文研究了如何通过优化仓库布局提高多智能体路径规划算法在自动化仓库中的吞吐量，并通过扩展现有自动生成场景方法来优化仓库布局，从而降低拥堵和提高自动化仓库的可扩展性，该方法能生成具有用户指定多样性指标的布局。

May, 2023

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

本文介绍了一种名为Caching-Augmented Lifelong MAPF（CAL-MAPF）的新机制，用于改善Lifelong MAPF的性能，并通过实验证明了在某些任务分布、地图和代理配置下，CAL-MAPF具备提升性能的潜力。

Mar, 2024

多智能体路径规划是将多个智能体从起点移动到目标点而无碰撞的问题，终身智能体路径规划通过不断为智能体分配新目标进一步扩展了多智能体路径规划。本文概述了三个主要的研究挑战，包括寻找在有限的规划时间内（例如，每步1秒）为大量智能体（例如，10,000个）或极高智能体密度（例如，97.7%）搜索高质量的终身智能体路径规划（LMAPF）解决方案的挑战，缓解拥堵和短视行为在LMAPF算法中的影响的挑战，以及弥合文献中使用的LMAPF模型和实际应用之间的差距的挑战。

Apr, 2024

本文研究了终身多智能体路径规划（LMAPF）中存在的问题，即传统方法对所有智能体同时到达目标位置的限制。作者提出了一种新方法，即暂态多智能体路径规划（TMAPF），允许智能体不必同时到达目标，从而提高导航效率。实验结果表明，TMAPF算法可以显著改善系统的吞吐量。

Dec, 2024