AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-23
一種基於 Transformer 的方法，用於具有不同初始／最終條件的即時多智能體路徑規劃
原標題: A Transformer-based Approach for Real-time Multi-agent Path Planning with Varying Initial/Final Conditions
當代理數量增加時，針對起點與目標配置各異的多個代理進行即時路徑規劃，對傳統求解器而言會變得難以處理。作者提出 OCFormer，這是一種 Transformer，可將解耦的潛在空間映射到耦合的物理空間，以物理資訊損失函數訓練，且不需預先計算軌跡。它只需一次前向傳遞（約 220 毫秒）即可為未見過的配置產生近乎最佳的軌跡，並能透過 L-BFGS 微調在數秒內適應分布外的擾動，且在 2D 與 3D 導航實驗中可擴展至 128 個代理。