摘要
本文提出了Lifelong Scalable Multi-Agent Realistic Testbed (LSMART),一个开源模拟器,用于在配备自动导引车(AGVs)的车队管理系统(FMS)中评估任何多智能体路径寻找(MAPF)算法。MAPF的目标是将一组智能体从各自的起点移动到目标位置。而终身MAPF(LMAPF)则是一个变种,它持续为智能体分配新的目标。现有的MAPF和LMAPF研究通常假设简化的运动学模型以及完美的执行和通信。先前的工作提出了SMART,一个能够考虑智能体运动学、通信延迟和执行不确定性来评估MAPF算法的软件。然而,SMART仅适用于MAPF,而非LMAPF。将SMART推广至FMS需要更多的设计选择,包括何时进行规划、如何处理不同优化程度的规划器以及如何应对规划失败等问题。本文首先介绍了LSMART,一个包含这些考虑因素的开源模拟器,用于评估FMS中的MAPF算法。随后,基于最先进的方法对每个设计选择进行了实验分析,为有效设计集中式终身AGV车队管理系统提供了指导。
AI 推荐理由
论文涉及长期任务中的路径规划与系统设计,与Agent Memory有一定关联,但非核心。
论文信息