arXiv cs.AI· Matthias Eder, Pantelis Emmanouil, Vivek Farias, Fabian Fischer, Adam Jozefiak, Tianyi Peng, Thomas Ulz, Raphael Watschinger, Fangyu Wu, Andrew Zheng·· 11 小时前AI 评分52
代码空间策略搜索用于多智能体路径规划
Policy Search in Code Space for Multi-Agent Pathfinding
AI 导读
arXiv 论文提出在代码空间直接搜索策略，由编码智能体迭代提出、实现、评估、诊断并改进算法，两个案例均优于人工设计的方案。在 2024 League of Robot Runners 竞赛的一张困难地图上，两天搜索得到的策略在最密集实例上超过本地复现的更强参赛方案 35.0%，并能泛化到未见地图实例。
正文 · AI 翻译
摘要：为复杂多智能体系统开发协调策略，依赖于要么劳动密集的算法设计，要么不透明的任务专用强化学习。随着自主编码智能体的最新进展，我们表明直接在代码空间中进行策略搜索提供了一条引人注目的第三条路径，它将自动优化与显式可解释性结合起来。我们研究了一种由人类引导的工作流，其中编码智能体在仿真反馈和显式正确性验证的引导下，迭代地提出、实现、评估、诊断并最终改进算法。我们进行了两项案例研究，发现该工作流稳健地优于任何人工设计的解决方案。在 2024 年 League of Robot Runners 竞赛中一张具有挑战性的地图上，为期两天的搜索发现了一种策略，在最密集的实例上超过更强的本地复现竞赛参赛作品 35.0%，并能泛化到未见过的地图实例。在具有不规则通道、连续机器人几何形状和异步运动的模拟真实仓库中，为期一周的搜索发现了一类全新的多智能体路径规划算法，其吞吐量比经过校准的专有解决方案高出 58.9%。在所述假设下，我们进一步证明新算法是无碰撞的，并在有限时间内完成每一个未被撤回或替换的已接受目标。总之，这些研究表明，由最先进的编码智能体驱动的代码空间策略搜索为构建既有效又具有分析可处理性的真实工程解决方案提供了一条极具竞争力的路径。
| 评论： | 18 页，11 张图 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.25946 [cs.RO] |
| （或 arXiv:2610.25946v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.25946 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Fangyu Wu [查看电子邮件]
[v1]
2026 年 10 月 19 日星期一 07:39:25 UTC（2,254 KB）
[v2]
2026 年 10 月 20 日星期二 03:42:05 UTC（2,237 KB）
来源：arXiv cs.AI · arxiv.org