摘要
针对多智能体系统在持续生成且子任务数量不确定的动态环境中协作效率低下的问题，本文提出 HULK 分层框架。该方法摒弃了传统静态离线规划，采用双层交错机制：一层在有限视野内将已知任务滚动分配给子团队，另一层在执行中动态协调子团队内部动作。通过不同粒度的分层协调，显著提升了大规模异构系统在复杂时序任务下的计算效率与鲁棒性。
AI 推荐理由
论文核心解决多智能体在动态不确定环境下的任务分配与分层协调规划问题。
研究机构
北京理工大学机械与车辆学院
论文信息