多机器人运动规划的游戏理论控制器合成 第一部分：轨迹基于的算法
Game theoretic controller synthesis for multi-robot motion planning Part I : Trajectory based algorithms
AI总结：
本文提出了一种分布式实时算法，用于计算多机器人运动规划中纳什均衡的计算，证明了算法收敛性、价格稳定性及计算复杂度。
摘要：
我们考虑了一类多机器人运动规划问题，其中每个机器人关联有多个目标和解耦任务规范。这些问题被建模为开放式非合作微分博弈。提出了一种分布式实时算法来计算博弈的纳什均衡。证明了以下性质：(i) 算法渐近收敛到纳什均衡集；(ii) 对于标量成本函数，价格稳定性等于一；(iii) 最坏情况下，计算复杂度和通信成本与机器人数量成线性关系。
英文摘要：
We consider a class of multi-robot motion planning problems where each robot is associated with multiple objectives and decoupled task specifications. The problems are formulated as an open-loop non-cooperative differential game. A distributed anytime algorithm is proposed to compute a Nash equilibrium of the game. The following properties are proven: (i) the algorithm asymptotically converges to the set of Nash equilibrium; (ii) for scalar cost functionals, the price of stability equals one; (iii) for the worst case, the computational complexity and communication cost are linear in the robot number.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
