IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-23
Uma abordagem baseada em Transformer para planejamento de trajetórias multiagente em tempo real com condições iniciais/finais variáveis
Título original: A Transformer-based Approach for Real-time Multi-agent Path Planning with Varying Initial/Final Conditions
O planejamento de trajetórias em tempo real para muitos agentes com configurações iniciais e finais variáveis torna-se intratável para solucionadores clássicos à medida que o número de agentes cresce. Os autores propõem o OCFormer, um transformer que mapeia um espaço latente desacoplado para o espaço físico acoplado, treinado com uma função de perda informada pela física e sem trajetórias pré-calculadas. Ele produz trajetórias quase ótimas para configurações não vistas em uma única passagem direta (cerca de 220 ms), adapta-se a perturbações fora da distribuição em segundos por meio de ajuste fino com L-BFGS e escala até 128 agentes em experimentos de navegação 2D e 3D.