Search-Aided Joint Agent-Environment Reinforcement Learning for Robust Lifelong Multi-Agent Path Finding with Rotations
arXiv 论文 2608.05588v1 提出 Search-Aided Joint Reinforcement Learning (SJRL)，用于带旋转的终身多智能体路径规划 (LMAPF-R2)，该模型包含鲁棒安全约束和原地旋转约束。SJRL 将神经策略与单步搜索规划器 Causal PIBT 结合，并引入统一 RL 公式，联合优化智能体与环境策略，环境策略通过反向 Dijkstra 搜索学习图边成本以提供全局移动指导。实验表明 SJRL 在相关任务上取得显著改进。
Development
- First ReportSearch-Aided Joint Agent-Environment Reinforcement Learning for Robust Lifelong Multi-Agent Path Finding with RotationsarXiv cs.RO
- Current Assessment该研究针对真实仓库系统的运动约束，表明多智能体路径规划正从简化假设转向更实际的模型。这可能推动仓库自动化中机器人调度的效率提升。可验证的下一信号是：该技术是否被集成到商业仓库管理系统中，或出现基于此的创业公司。Agent Pulse · analysis
arXiv 论文 2608.05588v1 提出 Search-Aided Joint Reinforcement Learning (SJRL)，用于带旋转的终身多智能体路径规划 (LMAPF-R2)。该模型源自真实仓库系统，包含鲁棒安全约束和原地旋转约束，增加了协调难度。SJRL 将神经策略与单步搜索规划器 Causal PIBT 结合，并引入统一 RL 公式，联合优化智能体与环境策略，环境策略通过反向 Dijkstra 搜索学习图边成本以提供全局移动指导。实验表明 SJRL 在相关任务上取得显著改进。
SJRL 的核心创新在于将搜索与强化学习结合：Causal PIBT 作为单步搜索规划器解决碰撞并传播意图，而环境策略学习图边成本以提供全局指导。这种联合优化可能提高在受限空间中的协调能力。可验证的下一信号是：在标准 LMAPF 基准上的公开代码与复现结果，以及与其他学习型规划器的对比。
该研究针对真实仓库系统的运动约束，表明多智能体路径规划正从简化假设转向更实际的模型。这可能推动仓库自动化中机器人调度的效率提升。可验证的下一信号是：该技术是否被集成到商业仓库管理系统中，或出现基于此的创业公司。
对于仓库自动化行业，SJRL 可能降低机器人调度成本并提高吞吐量。可验证的下一信号是：相关公司是否采用该技术或进行合作。
未来，SJRL 可能扩展到更复杂的场景，如动态障碍物或异构机器人。可验证的下一信号是：后续工作是否在更大型仓库或真实机器人上验证，以及是否出现开源实现。