热点事件持续更新
研究提出Goal-Branching LaCAM路径规划算法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年11月6日，arXiv人工智能领域发布研究，提出Goal-Branching LaCAM算法。该算法通过将临时目标作为搜索分支，旨在化解高密度多智能体路径规划中的死锁问题并保持算法完备性。在单元格占用率达60%至90%的密集地图测试中，该算法求解率达到89%，高于LaCAM*的44%；首次求解速度提升10至14倍，在75%密度下中位耗时快近200倍。同时，在MovingAI基准测试上，该方法的代价不高于LaCAM*，且速度至多慢3%。
AI 根据报道生成 · 3 小时前更新
最新进展11月6日 13:00
研究提出Goal-Branching LaCAM算法，大幅提升高密度多智能体路径规划求解率与求解速度。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 人工智能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
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%。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。