arXiv 人工智能· Stephen Chang, Daniel Harabor·· 4 小时前AI 评分33
Goal-Branching LaCAM：在高密度多智能体路径规划中将临时目标作为搜索分支
Goal-Branching LaCAM: Temporary Goals as Search Branches in Dense Multi-Agent Pathfinding
AI 导读
研究提出 Goal-Branching LaCAM 算法，通过将临时目标作为搜索分支化解高密度多智能体路径规划的死锁。在单元格占用率 60-90% 的密集地图中，该算法求解率达 89%（LaCAM* 为 44%），首次求解快 10-14x，并在 75% 密度下中位耗时快近 200x。该方法保持完备性，在 MovingAI 基准上代价不高于 LaCAM* 且速度至多慢 3%。
来源：arXiv 人工智能 · arxiv.org