详细内容或原文请订阅后点击阅览
MIPT 教授神经网络控制一百万个机器人的运动
来自莫斯科物理技术研究所 (MIPT) 和人工智能研究所 (AIRI) 的科学家开发了一种算法，可以同时为一百万个自主代理构建无事故路线。该研究发表在国际会议IEEE/RSJ IROS 2025论文集
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）来自莫斯科物理技术研究所 (MIPT) 和人工智能研究所 (AIRI) 的科学家开发了一种算法，可以同时为一百万个自主代理构建无事故路线。该研究发表在国际会议IEEE/RSJ IROS 2025论文集
随着仓库、物流中心和城市街道上的机器人数量不断增加，开发人员面临着“协调规模”的问题：在公共空间中同时移动的自主机器越多，就越难以确保其无故障运行而不损失生产力。经典的多智能体寻路算法需要大量的计算资源，否则其解决方案的质量会明显下降。
为了解决这个问题，科学家们提出了主动附加训练的Delta Data Generation (DDG)方法。它可以让您显着提高多智能体寻路 (MAPF) 问题的解决方案质量 - 当许多机器人需要同时布置路线以免发生碰撞时。基于该方法，创建了求解器（独立决策的算法）MAPF-GPT-DDG。它成为 MAPF-GPT 神经网络模型的改进版本，之前由 MIPT 和 AIRI 的专家开发。
“我们的开发是第一个在一张地图上成功协调一百万个虚拟代理运动的学习系统 - 这绝对是此类问题的记录。经典方法要么无法扩展，要么需要巨大的计算资源。MAPF-GPT-DDG 解决了这个问题，”该论文的合著者、本文的 MIPT 认知动态系统实验室负责人 Alexander Panov 说道。
“我们首次证明，即使是根据我们提出的原理进行额外训练的小模型，也能够胜过更重的神经网络，同时与大量代理一起工作。我们的方法不需要复杂的工程，并且允许我们有效地纠正错误，而无需在每一步都求助于人，”Alexander Panov 解释道。