🤖 AI

Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding

本文介绍了 LC-MAPF，这是一种可泛化的预训练模型，它通过引入一种可扩展的、可学习的多轮通信模块以实现高效特征共享，从而增强去中心化多智能体路径规划能力，该模型在各类场景中均优于现有的基于学习的求解器，且未牺牲可扩展性。

原作者： Valeriy Vyaltsev, Alsu Sagirova, Anton Andreychuk, Yuri Kuratov, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

发布于 2026-05-11

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Valeriy Vyaltsev, Alsu Sagirova, Anton Andreychuk, Yuri Kuratov, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个巨大而繁忙的仓库，里面挤满了数百个相同的机器人。它们的工作很简单：从一个地点拿起包裹，然后放到另一个地点。但关键在于：它们必须同时移动，如果两个机器人发生碰撞，整个操作就会陷入停滞。

这就是**多智能体路径规划（MAPF）**问题。这就像试图让一千只蚂蚁穿过拥挤的人行道而不互相踩踏，但它们各自都有不同的目的地。

“沉默”机器人的问题

过去，研究人员尝试通过模仿学习来训练这些机器人。这就像向机器人展示一段完美专家解决迷宫的视频，并说：“完全照专家做的去做。”

一种名为MAPF-GPT的最新方法在这方面表现非常出色。它从庞大的专家视频库中学习。然而，它有一个重大缺陷：它教会了机器人保持沉默。 机器人学会了很好地移动，但它们彼此之间并不交流。它们就像一支合唱队，虽然唱得音准完美，却从不互相注视以调整节奏。如果情况变得过于拥挤，它们就无法协调解决拥堵，因为它们只是根据各自看到的情况来猜测该做什么。

其他方法试图通过让机器人交流来解决这个问题，但它们的对话往往流于表面。它们可能会喊“我在这里！”或“我要向左走！”，但它们并没有真正进行协商或共同规划。这就像一群人试图解谜，却只被允许说一个词。

解决方案：LC-MAPF（“圆桌”方法）

本文作者引入了一种新系统，称为LC-MAPF。他们不是仅仅让机器人观察专家，而是教导机器人在行动之前进行多轮对话。

以下是其工作原理，使用一个简单的类比：

设置：想象机器人围坐在一张桌子旁。它们只能看到坐在旁边的人（它们的局部邻居）。
第一轮：每个人向邻居低声说出自己当前的计划。“我要向前移动。”
第二轮：现在，每个人倾听邻居的发言。如果邻居说“我也要向前移动”，你就会意识到：“哦，我们会撞车！”于是，你低声说出一个新计划：“好吧，我等一秒。”
第三轮和第四轮：它们继续来回传递这些低语。每一轮，它们都完善自己的计划，解决冲突并达成顺畅流动的共识。
行动：经过四轮交谈后，它们同时移动，完美协调。

LC-MAPF 的奇妙之处在于：机器人学会了自主交流。 研究人员并没有用特定的语言为它们编程，也没有告诉它们该说什么。他们只是给了它们目标（不要撞车，到达目的地），然后让 AI 自行发现“交流”是实现这一目标的最佳方式。它们交换的信息并非人类语言，而是数学信号，携带了足以解决谜题的足够信息。

为什么这很重要

该论文突出了三大胜利：

更智能：在测试中，LC-MAPF 成功解决的迷宫场景比任何其他基于学习的方法（包括著名的 MAPF-GPT）都要多。它能更好地应对拥挤的房间，因为它实际上可以与邻居“协商”。
可扩展：通常，当你在一个交流系统中添加更多机器人时，系统会变得缓慢并崩溃，因为 chatter（闲聊）太多。LC-MAPF 则不同。即使有成千上万个机器人，它依然保持快速。这就像一支组织良好的队伍，每个人只与紧邻的人交谈，而不是在整个体育场里大喊大叫。
适用于现实世界：研究人员不仅在计算机上运行了该系统。他们还用真实机器人（基于名为 Jetbot 的小型 AI 套件）搭建了一个物理迷宫。他们将 LC-MAPF 的“大脑”植入真实机器人中，机器人成功地在物理迷宫中导航而未发生碰撞，证明了这些“低语”在现实生活中确实有效。

总结

这篇论文提出了一种教导机器人协同工作的新方法。这些机器人不再是沉默的独奏者或浅薄的交谈者，而是协作的对话者。它们与邻居举行简短而高效的会议以商定计划，使它们能够在复杂、拥挤的环境中平稳安全地移动。该系统速度快、可扩展，并且已经通过实际硬件验证了其有效性。

技术摘要：面向大规模多智能体路径规划的本地化通信学习

问题陈述

多智能体路径规划（MAPF）是协调共享环境（如自动化仓库或自动驾驶车队）中多个同质智能体的基本抽象。其目标是为 $n$ 个智能体计算个体规划，使其在图上从起始顶点移动到目标顶点，且不发生碰撞（顶点或边冲突）。虽然存在最优 MAPF 求解器，但该问题是 NP 难的，且随着智能体数量的增加，可扩展性迅速下降。

去中心化方法允许智能体基于局部观察做出决策，为实现可扩展性提供了一条路径，但往往在协调质量上表现不佳。最近基于学习的方法（如 MAPF-GPT）利用大规模数据集上的模仿学习（IL）取得了显著成果。然而，这些模型通常缺乏显式的智能体间通信，仅依赖局部观察来推断协作行为。现有的基于通信的去中心化方法通常将交互限制为单轮局部观察交换，这在密集环境中可能不足以解决复杂的冲突。

方法：LC-MAPF

作者提出了 LC-MAPF（多智能体路径规划的本地通信），这是一个去中心化的、基于学习的框架，引入了一个可学习的多轮通信模块以增强智能体协调。

架构

该模型基于 Transformer 架构构建，参数量约为 300 万。每个智能体 $u$ 在时间步 $t$ 的工作流程包括：

观察编码：智能体接收结构化的局部观察 $o^t_u$ ，将其标记化为一个序列，包括代价矩阵、自身特征（位置、目标、贪婪动作、历史）以及 $k$ 个最近邻居的特征。该序列被嵌入为 $X_{0,u}$ 。
潜在状态压缩：为确保通信的可扩展性独立于观察大小，Transformer 编码器处理输入，并通过“潜在瓶颈”（受 Perceiver 架构启发）将编码后的标记压缩为紧凑的潜在状态 $z_u \in \mathbb{R}^{T_{latent} \times d_{latent}}$ 。
迭代通信：智能体执行 $R_{comm}$ $R_{co mm}$ 轮本地通信（默认 $R_{comm}=4$ $R_{co mm} = 4$ ）。
- 在每一轮 $r$ 中，智能体接收来自其邻居（及自身）的消息。
- 解码器将智能体的潜在状态 $z_u$ 与接收到的邻居消息 $C^r_u$ 融合。
- 消息头生成更新后的消息向量 $m^r_u$ ，用于下一轮发送。
- 关键在于，消息没有监督信号。网络通过反向传播学习为了最小化最终动作损失需要通信什么信息，从而使通信策略自然涌现。
动作预测：在最后一轮通信后，预测头输出动作 logits，并将其转换为用于动作选择的概率分布。

训练

LC-MAPF 通过模仿学习利用专家演示进行训练。训练数据集包含约 7.5 亿个观察 - 动作对，源自中央求解器（LaCAM*），涵盖多种地图类型（迷宫、随机、房屋）。目标是最小化预测动作与专家动作之间的交叉熵损失。通信消息没有提供显式监督；模型仅为了提升集体动作质量而学习通信。

主要贡献

新颖的通信框架：提出了 LC-MAPF 框架，使智能体能够仅利用专家动作演示进行通信，无需显式的通信标签或监督。
最先进性能：这是一个 300 万参数的 Transformer 模型，在可学习的去中心化 MAPF 求解器中树立了新的最先进水平，在多种指标和地图拓扑上优于现有的模仿学习（IL）和强化学习（RL）方法（包括 MAPF-GPT、SCRIMP、DCC 和 MAGAT 变体）。
具备通信的可扩展性：证明了所提出的多轮通信机制随着智能体数量的增加保持线性可扩展性，解决了基于通信的求解器中常见的瓶颈问题。
消融与鲁棒性分析：广泛的研究表明：
- 多轮通信（特别是 4 轮）对于高成功率至关重要。
- 在较小规模的智能体群体中，系统对消息故障（高达 50% 的噪声）具有鲁棒性。
- 限制通信邻居大小会显著降低密集场景下的性能。

实验结果

实验在 POGEMA 基准上进行，涵盖随机、迷宫、仓库和城市地图类型。

成功率：在所有地图类型和智能体数量（标准测试中高达 256 个智能体，大规模评估中高达 5,000 个智能体）下，LC-MAPF 的成功率等于或高于所有基线，包括 8500 万参数的 MAPF-GPT。
解的质量：相对于中央最优规划器（LaCAM*）的总代价（SoC），LC-MAPF 始终实现了最佳或接近最佳的比率。
可扩展性：在 256x256 地图上针对高达 5,000 个智能体的大规模测试中，LC-MAPF 保持了线性可扩展性，计算时间呈可预测的增加（例如，1,000 个智能体约为 0.12 秒/步，5,000 个智能体约为 0.65 秒/步）。
现实世界部署：作者成功将 LC-MAPF 部署在模块化迷宫环境中的物理多机器人平台（修改后的 JetBots）上。通过将离散规划与连续控制（使用旋转/等待同步）相结合，智能体成功协调到达目标且无碰撞，验证了该方法的实际适用性。

意义与主张

本文主张，LC-MAPF 代表了去中心化多智能体协调的重大进步，因为它证明了有效、迭代式的本地通信可以从专家轨迹中隐式学习。与以往忽略通信或依赖单轮、监督式交换的方法不同，LC-MAPF 利用多轮、无监督的通信机制，使智能体能够动态协商并解决冲突。

作者强调，这种方法成功平衡了解的质量和可扩展性，克服了基于通信的方法通常因计算瓶颈而面临的典型权衡。结果表明，LC-MAPF 作为一个可泛化的预训练模型，能够处理多样化的未见环境和大规模智能体群体，为物流和搜救等现实世界机器人应用提供了稳健的解决方案。