AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-23
基于Transformer的实时多智能体路径规划方法，适用于变化的初始/最终条件
原标题: A Transformer-based Approach for Real-time Multi-agent Path Planning with Varying Initial/Final Conditions
当起始和目标构型各不相同的多智能体数量增加时，实时路径规划对经典求解器而言变得难以处理。作者提出了 OCFormer，这是一种将解耦的隐空间映射到耦合的物理空间的 Transformer，使用物理信息损失进行训练，且无需预先计算的轨迹。它能在一次前向传播（约 220 ms）内为未见过的构型生成近似最优轨迹，通过 L-BFGS 微调在数秒内适应分布外扰动，并在二维和三维导航实验中可扩展至 128 个智能体。