热点事件观察中
研究团队提出多智能体路径规划算法DMM
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月29日，相关研究在arXiv公布了去中心化多智能体路径规划算法Decentralized Master-Mind（DMM）。针对去中心化多智能体路径规划（MAPF）中因独立采样引发的动作冲突，DMM采用多轮通信迭代去噪动作意图来优化联合动作。该模型经模仿学习预训练，并结合无Critic的组相对强化学习方法MICPO进行多轮动作优化。实验表明，经MICPO微调的DMM在1,600项MovingAI任务中成功解决了1,598项，并可扩展支持超100万个并发智能体。
AI 根据报道生成 · 11 小时前更新
最新进展9月29日 12:00
研究提出DMM算法，通过迭代意图去噪优化动作，在MovingAI基准中解决1598项任务并支持百万智能体。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 人工智能Decentralized Master-Mind：多智能体路径规划中通过迭代意图去噪优化联合动作
DMM 提出通过多轮通信迭代去噪动作意图，解决去中心化多智能体路径规划（MAPF）中因独立采样导致的动作冲突问题。该模型经模仿学习预训练，并结合无 Critic 的组相对强化学习方法 MICPO 进行多轮动作优化。在 1,600 项 MovingAI 任务中，经 MICPO 微调的 DMM 成功解决 1,598 项，并可扩展支持超 100 万个并发智能体。
本事件热度走势
当前热度 4·可比范围峰值 5（9月30日 12:00）·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。