Decomposability-Guided Cooperative Coevolution for Large-Scale Itinerary Planning
School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院）；School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院）；Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系）
该研究针对大规模行程规划问题，提出弱可分解性定义及对应图结构，设计了带动态分解、资源分配策略的多目标合作协同进化算法，在真实数据集上表现优于现有最优算法，且优势随问题规模增大而提升。
2026-10-14 cs.AI
Multi-robot Social-aware Cooperative Planning in Pedestrian Environments Using Multi-agent Reinforcement Learning
行人参与环境中多机器人安全、高效的协同规划具有广阔的应用前景。在部分变维观测和不完全感知条件下，提出了一种基于离策略多智能体强化学习（MARL）的多机器人社会感知高效协作规划器.我们采用基于时空图（TSG）的社会编码器，以更好地提取每个机器人和行人在其视野（FOV）的社会关系的重要性。此外，我们在多机器人RL框架中引入K步前瞻奖励设置，以避免机器人产生的侵略性，侵入性，短视和不自然的运动决策。此外，我们改进了传统的集中式评论家网络与多头全局注意力模块，更好地聚集不同机器人之间的局部观察信息，以指导个体的策略更新过程。最后，多组实验结果验证了所提出的协作运动规划器的有效性。
2022-11-29 cs.AI cs.RO
Q-CP: Learning Action Values for Cooperative Planning
Sapienza University of Rome（罗马第一大学）
多机器人系统的研究在许多领域和应用中都取得了可喜的成果。尽管如此，由于非结构化场景，高不确定性和大状态维度（例如超冗余和机器人组），有效地学习有效的机器人行为是非常困难的。为了缓解这个问题，我们提出了Q-CP一个合作的基于模型的强化学习算法，它利用行动值（1）指导探索的状态空间和（2）生成有效的政策。具体来说，我们利用Q学习攻击的维数在蒙特卡罗树搜索的迭代。我们在不同的随机合作（一般和）游戏中实现和评估Q-CP：（1）3个机器人之间的简单合作导航问题，（2）一对KUKA YouBots之间的合作场景执行移交，以及（3）两个移动机器人之间的协调任务进入一扇门。所得到的结果表明，Q-CP在所选的应用程序，其中的动作值驱动的探索和减少规划过程中的计算需求，同时实现良好的性能的有效性。
2018-03-01 cs.AI cs.RO
Adversarial Attacks in Cooperative AI
Pacific Northwest National Laboratory（太平洋西北国家实验室）；The City College of New York（纽约市立学院）；Grove School of Engineering（格罗夫工程学院）；City University of New York（纽约城市大学）
多智能体环境中的单智能体强化学习算法不足以促进合作。如果智能代理要进行交互并共同解决复杂问题，则需要对抗非合作行为的方法来促进多个代理的训练。这就是合作AI的目标。然而，最近对对抗性机器学习的研究表明，模型（例如，图像分类器）可以容易地被欺骗而做出较差的决定。与此同时，合作AI的一个重要研究方向集中在引入算法改进，以加速最佳合作行为的学习。我们认为，突出的合作人工智能的方法暴露出类似于以前的机器学习研究中研究的弱点。更具体地说，我们表明，受类人社交智能启发的三种算法原则上容易受到利用合作AI算法改进引入的弱点的攻击，并报告了实验结果，说明了如何在实践中利用这些漏洞。
2022-03-08 cs.AI cs.LG cs.MA
Game-theoretic Approach for Non-Cooperative Planning
Universitat Politècnica de València（瓦伦西亚理工大学）
当两个或多个自利的代理人在同一环境中执行他们的计划时，可能会出现冲突，例如，共同利用资源。在这种情况下，代理可以推迟执行特定的动作，如果这准时解决了冲突，或者它可以采取执行不同的计划，如果代理的回报显着减少，由于行动推迟。在本文中，我们提出了一个博弈论的方法，非合作规划，帮助执行前预测什么计划的时间表代理将采用，使所有代理的策略集构成一个纳什均衡。我们进行了一些实验，并讨论了我们的博弈论方法获得的解决方案，分析如何计划之间的冲突决定的代理商的战略行为。
2015-03-04 cs.AI cs.GT
Cooperative Path Planning with Asynchronous Multiagent Reinforcement Learning
Tongji University（同济大学）；Aalto University（阿尔托大学）
本文针对多源-目的地最短路径问题中的异步决策挑战，提出asyn-MARL框架，通过子图划分、全局状态表示、轨迹去冗余、协同actor网络和可达性图，在合成与真实路网上实现了优于现有方法的协同路径规划。
2024-09-01 cs.AI
Adversarial Cooperative Rationalization: The Risk of Spurious Correlations in Even Clean Datasets
School of Computer Science（计算机科学学院）；Technology, Huazhong University of Science（科学技术大学技术学院）；Faculty of Artificial Intelligence in Education, Central China Normal University（教育人工智能学院，中国中部师范大学）
本研究揭示协作合理化框架中生成器可能引入采样偏差，导致虚假相关性，并提出对抗性指令防止预测器学习该偏差，在多个数据集上优于现有方法并媲美大语言模型。
2025-08-06 cs.AI
A Learning System for Motion Planning of Free-Float Dual-Arm Space Manipulator towards Non-Cooperative Object
Tsinghua University（清华大学）；Beijing Institute of Control Engineering（北京控制工程研究所）；City University of Hong Kong（香港城市大学）
近年来，出现了一些不合作的空间物体，如失败的卫星和太空垃圾。这些物体通常由自由浮动双臂空间机械臂操作或收集。强化学习（RL）方法由于消除了建模和参数手动调整的困难，在空间机械臂轨迹规划中显示出更有前途的迹象。虽然以前的研究证明了它们的有效性，但它们不能应用于跟踪具有未知旋转的动态目标（非合作目标）。提出了一种自由漂浮双臂空间机械臂（FFDASM）面向非合作对象的运动规划学习系统。具体来说，我们的方法由两个模块组成。模块一实现了大目标空间内两个末端执行器的多目标轨迹规划。然后，模块II以非合作目标的点云作为输入，估计目标的运动特性，进而预测目标点在非合作目标上的位置。利用模块I和模块II的组合，成功地跟踪了具有未知规律的旋转物体上的目标点。此外，实验还证明了我们的学习系统的可扩展性和泛化能力。
2022-07-06 cs.AI cs.RO cs.SY
Cooperative Epistemic Multi-Agent Planning for Implicit Coordination
Albert-Ludwigs-Universität Freiburg（弗莱堡阿尔伯特-路德维希大学）；Technical University of Denmark（丹麦技术大学）
认知规划可以用于具有分布式知识和能力的多智能体情况下的决策。最近，动态认知逻辑（DEL）已被证明提供了一个非常自然和表达框架的认知规划。我们扩展了基于DEL的认知规划框架，包括视角的转变，使我们能够定义新的概念，顺序和条件规划与隐式协调。有了这些，就有可能以分散的方式解决具有联合目标的规划任务，而无需代理在规划时协商并承诺联合策略。首先，我们定义了中央规划的概念，并勾勒出建立在这些概念上的规划系统的实施。之后，我们提供了一些案例研究，以评估规划经验，并表明这一概念是有用的多智能体系统在实践中。
2017-03-07 cs.AI cs.LO cs.MA
Cooperative Strategic Planning Enhances Reasoning Capabilities in Large Language Models
Carnegie Mellon University（卡内基梅隆大学）；Tsinghua University（清华大学）
针对多智能体LLM协作不足的问题，本文提出CoPlanner框架，由规划智能体提供战略提示、推理智能体执行推断，并用PPO训练规划策略，显著提升多步骤推理性能。
2024-10-25 cs.AI cs.CL
Coalition-based Planning of Military Operations: Adversarial Reasoning Algorithms in an Integrated Decision Aid
BBN Technologies（BBN技术公司）
使用以知识为基础的规划工具，有助于减轻各方联盟在敌对环境中规划复杂行动的挑战。我们探讨这些挑战和潜在的贡献，知识为基础的工具，作为一个例子，CADET系统，一个知识为基础的工具，能够自动生产（或与人类的指导）的作战计划与现实程度的细节和复杂性。在正在进行的实验中，它比人类计划者更有利。交错的计划，调度，路由，损耗和消耗过程包括该工具的计算方法。从联盟作战的角度来看，这些工具提供了一个重要的援助，在资产和行动的快速同步异构资产属于多个组织，可能有不同的学说和规则的参与。在本文中，我们讨论了该工具的功能，提供了一个简短的概述的技术方法和实验结果，并概述了这些工具的潜在价值。
2016-01-22 cs.AI
REVECA: Adaptive Planning and Trajectory-based Validation in Cooperative Language Agents using Information Relevance and Relative Proximity
Kyung Hee University（庆熙大学）；Korea University（高丽大学）
针对多智能体协作中信息处理低效、全局次优及环境变化引发错误规划的挑战，提出由GPT-4o-mini驱动的REVECA认知架构，通过相关性估计、自适应规划和轨迹验证实现高效记忆与最优规划，在多基准上表现优异并具可信人机协作潜力。
2024-12-18 cs.AI cs.CL cs.CV
Evolutionary Enhanced Multi-Agent Reinforcement Learning for Cooperative Air Combat
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
针对多机协同空战中现有MARL方法探索效率低、样本利用率低和策略泛化差的问题，提出ACE-MAPPO混合学习框架，融合进化算法与MAPPO，通过遗传软更新、进化优先轨迹回放和对抗进化课程学习机制提升性能。
2026-05-24 cs.AI
CaCo: Both Positive and Negative Samples are Directly Learnable via Cooperative-adversarial Contrastive Learning
Purdue University（普渡大学）；Shanghai University（上海大学）；Futurewei Seattle Cloud Lab（Futurewei西雅图云实验室）
对比学习作为一种有代表性的自监督学习方法，在表征的无监督训练方面取得了巨大的成功。它通过区分给定查询锚的正样本和负样本来训练编码器。这些正样本和负样本在定义学习判别式编码器的目标方面起着关键作用，避免了学习琐碎的特征。虽然现有的方法选择这些样本，但我们提出了一种原则性的方法，其中正负样本都可以直接与编码器端到端学习。我们表明，积极和消极的样本可以通过最小化和最大化的对比损失，分别合作和对抗学习。这就产生了关于编码器的合作积极和对抗消极，它们被更新以连续跟踪小批量查询锚点的学习表示。该方法在ImageNet 1 K上预训练ResNet-50主干的200和800个epoch中分别达到了71.3%和75.3%的前1准确率，而没有多作物或更强的增强等技巧。通过多作物，它可以进一步提高到75.7%。源代码和预训练模型在https://github.com/maple-research-lab/caco中发布。
2022-03-27 cs.AI cs.CV
Cooperative Trajectory Planning in Uncertain Environments with Monte Carlo Tree Search and Risk Metrics
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
自动驾驶汽车需要与人类合作的能力，以顺利融入当今的交通。虽然合作的概念是众所周知的，开发一个强大的和有效的合作轨迹规划方法仍然是一个挑战。这一挑战的一个方面是由于传感器精度有限而导致的环境状态的不确定性。这种不确定性可以用部分可观测马尔可夫决策过程来表示。我们的工作解决了这个问题，通过扩展现有的合作轨迹规划方法的基础上连续动作空间的蒙特卡罗树搜索。它通过以根信念状态的形式显式地建模不确定性来实现这一点，从根信念状态开始对树的开始状态进行采样。在用蒙特卡罗树搜索构造树之后，使用核回归将它们的结果聚合成收益分布。我们应用两个风险指标进行最终选择，即置信下限和条件风险值。可以证明，在最终选择策略中集成风险度量在不确定的环境中始终优于基线，从而生成相当安全的轨迹。
2022-11-12 cs.AI cs.MA cs.RO
Efficient Planning in Combinatorial Action Spaces with Applications to Cooperative Multi-Agent Reinforcement Learning
University of Alberta（阿尔伯塔大学）；ETH Zurich（苏黎世联邦理工学院）；University College London（伦敦大学学院）；DeepMind（深度思维）
强化学习的一个实际挑战是组合动作空间，这使得规划在计算上要求很高。例如，在协作多智能体强化学习中，潜在的大量智能体联合优化全局奖励函数，这导致动作空间中智能体数量的组合爆破。作为最低要求，我们假设可以访问argmax oracle，该oracle允许有效地计算模型类中任何Q函数的贪婪策略。最近的工作规划与本地访问模拟器和线性函数逼近的基础上，我们提出了有效的算法，这种设置，导致多项式计算和查询的复杂性，在所有相关的问题参数。对于特征分解是可加性的特殊情况，我们进一步改进了边界，并使用一种有效的算法将结果扩展到核化设置。
2023-02-08 cs.AI cs.LG stat.ML
Decision Aids for Adversarial Planning in Military Operations: Algorithms, Tools, and Turing-test-like Experimental Validation
使用智能决策辅助工具可以帮助减轻规划复杂操作的挑战。我们描述的集成算法，和一个工具，能够翻译成一个完整的详细的，可操作的计划，自动生产（或与人类的指导）计划与现实程度的细节和人性化的质量的战术军事行动的高层次的概念。几种算法的紧密交织--规划、对手估计、调度、路由、损耗和消耗估计--包括该工具的计算方法。虽然最初是为陆军大部队作战而开发的，但该技术是通用的，也适用于许多其他领域，特别是在需要在有限时间内进行详细规划的关键情况下。在本文中，我们特别关注的工程权衡工具的设计。在一项实验评估中，让人想起图灵测试，该工具的性能优于人类规划者。
2016-01-22 cs.AI
Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots
McMaster University（麦克马斯特大学）
针对异构移动机器人团队在通信受限、资源有限下的协作规划难题，提出基于MARL与AMAT架构的CATMiP框架及CMacDec-POMDP模型，采用异步集中训练分布式执行方案，实验验证其在效率、可扩展性与抗干扰性上更具优势。
2025-07-31 cs.AI cs.RO
Learning cooperative behaviours in adversarial multi-agent systems
Paris-Saclay University（巴黎萨克雷大学）；University of Lincoln（林肯大学）；University of York（约克大学）
这项工作扩展了现有的虚拟多智能体平台RoboSumo，以创建TripleSumo -一个用于研究多智能体在连续动作空间中的合作行为的平台，在对抗环境中进行物理接触。在本文中，我们调查的情况下，两个代理，即“错误”和“蚂蚁”，必须组队，并推动另一个代理“蜘蛛”的舞台。为了实现这一目标，新添加的代理“Bug”在“Ant”和“Spider”之间进行的比赛中进行训练。“Bug”必须发展对其他代理的行动的意识，推断双方的策略，并最终学习合作的行动策略。强化学习算法深度确定性策略梯度（DDPG）是通过结合密集和稀疏奖励的混合奖励结构来实现的。通过平均获胜概率和平均获胜所需的步骤数对合作行为进行定量评价。
2023-02-10 cs.AI cs.MA cs.RO
Safety Alignment of LMs via Non-cooperative Games
DeepMind, London, UK（深度Mind，伦敦，英国）
提出将安全对齐建模为攻击者与防御者语言模型之间的非零和博弈，通过在线强化学习联合训练，迭代提升安全性与实用性。
2026-05-31 cs.AI
LPS-Bench: Benchmarking Safety Awareness of Computer-Use Agents in Long-Horizon Planning under Benign and Adversarial Scenarios
ShanghaiTech University（上海科技大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
LPS-Bench通过评估长周期规划中计算机使用代理的安全意识，揭示现有系统在安全行为维持方面的不足，并提出缓解策略以提升安全性。
2026-10-05 cs.AI
Distributed Policy Iteration for Scalable Approximation of Cooperative Multi-Agent Policies
LMU Munich（慕尼黑大学）；MaibornWolff（迈博尔夫公司）
多智能体系统（MAS）中的决策是一个巨大的挑战，由于巨大的状态和联合行动空间以及不确定性，使得集中控制通常是不可行的。分散控制提供了更好的可扩展性和鲁棒性，但需要机制来协调联合任务并避免冲突。传统的协作MAS分散策略学习方法存在非平稳性和缺乏信用分配的问题，在复杂环境中会导致不稳定和不协调的行为。在本文中，我们提出了强紧急政策近似（STEP），一个可扩展的方法来学习强分散的政策合作MAS的分布式变体的政策迭代。为此，我们使用函数逼近来学习分散式多智能体规划算法的行动建议。STEP将分散式多智能体规划与集中式学习相结合，只需要分布式黑盒优化的生成模型。我们的实验评估STEP在两个具有挑战性的和随机的领域与大的状态和联合行动空间，并表明，STEP是能够学习更强的政策比标准的多智能体强化学习算法，结合多智能体开环规划与集中函数逼近。学习的策略可以重新集成到多代理规划过程中，以进一步提高性能。
2019-01-25 cs.AI cs.MA
Dynamic UGV-UAV Cooperative Path Planning in Uncertain Environments
Department of Computer Science, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机科学系）
本文提出动态UGV-UAV协同路径规划方法，通过无人机动态检测道路以提高地面车辆路径安全性与效率，实验表明双向策略在多数情况下表现最佳，多无人机可减少地面车辆行驶时间但增加计算时间。
2026-04-28 cs.AI cs.RO
Learning Dexterous Bimanual Catch Skills through Adversarial-Cooperative Heterogeneous-Agent Reinforcement Learning
Electronics and Telecommunications Research Institute (ETRI)（电子通信研究院（ETRI））
针对双手机器人抓取的协调控制难题，提出基于HARL的对抗-合作框架，让投掷智能体动态增加难度、抓取智能体学习双手协作，并在15种物体仿真中取得约2倍于单智能体基线的奖励。
2025-02-17 cs.AI cs.RO
Differential Privacy in Cooperative Multiagent Planning
The University of Florida（佛罗里达大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
隐私感知的多智能体系统必须保护代理的敏感数据，同时确保代理完成他们的共同目标。为了实现这一目标，我们提出了一个框架，私有化的智能体通信在合作多智能体决策问题。我们研究序列决策问题制定为合作马尔可夫博弈达到避免目标。我们应用差分隐私机制私有化代理的沟通象征性的状态轨迹，然后我们分析隐私的强度和团队的表现之间的权衡。对于一个给定的隐私水平，这种权衡严重依赖于代理的状态动作过程之间的总相关性。我们合成的政策，是强大的隐私减少的总相关值。数值实验表明，在这些政策下，团队的表现下降了3%，当比较私人与非私人的通信实现。相比之下，当使用忽略总体相关性而只优化团队绩效的基线策略时，团队的绩效下降了大约86%。
2023-01-20 cs.AI cs.CR cs.MA
Pragmatic Instruction Following and Goal Assistance via Cooperative Language-Guided Inverse Planning
Massachusetts Institute of Technology（麻省理工学院）；Harvard University（哈佛大学）
针对模糊指令下的智能体辅助问题，提出贝叶斯架构 CLIPS，联合语言与行动推断人类目标并最小化预期达成成本，在两个规划领域显著优于基线并接近人类判断。
2024-02-27 cs.AI cs.CL cs.LG
Balancing Efficiency and Fairness: An Iterative Exchange Framework for Multi-UAV Cooperative Path Planning
The Hong Kong University of Science and Technology（香港科技大学）；College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化工程学院）；College of Computer Science and Engineering, Chongqing Three Gorges University（重庆三峡大学计算机科学与工程学院）；Chinese Academy of Sciences, New Territories, Hong Kong（中国科学院香港新 Territories 分院）；City University of Hong Kong, Kowloon, Hong Kong（香港城市大学）
本文提出一种迭代交换框架，用于多无人机协作路径规划，通过任务交换和路径细化平衡效率与公平性，实验表明其在总距离和makespan之间取得更优权衡。
2025-11-29 cs.AI cs.RO
FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation
National Engineering Laboratory for Big Data Analysis and Applications, Peking University（北京大学大数据分析与应用技术国家工程实验室）
本文提出FedRio框架，通过自适应消息传递模块、联邦知识提取机制和多阶段对抗对比学习策略，提升跨平台社交机器人检测的准确性和一致性，同时在隐私保护下优于现有联邦学习基线。
2026-04-12 cs.AI cs.LG
Adversarial Plannning
Pennsylvania State University（宾夕法尼亚州立大学）；Army Research Laboratory（美国陆军研究实验室）
规划算法在计算系统中用于指导自主行为。例如，在规范应用中，自动驾驶车辆的规划用于自动化针对性能、资源管理或功能目标（例如，到达目的地、管理燃料消耗）。现有的规划算法假设非对抗性设置;基于可用的环境信息（即，输入实例）。然而，目前还不清楚这些算法在面对试图阻挠计划者的对手时将如何表现。在本文中，我们探讨了网络和网络物理系统中使用的规划算法的安全性。我们提出了两种$\textit{adversarial planning}$算法--一种是静态的，一种是自适应的--它们会扰动输入规划实例以最大化成本（通常是实质上的）。我们评估了算法对商业应用中使用的两种主要规划算法（D * Lite和Fast Downward）的性能，并表明两者都容易受到极其有限的对抗行为的影响。在这里，实验表明，对手能够通过仅从动作空间（D * Lite）中删除单个动作来增加66.9%的实例的计划成本，并且通过仅删除三个动作（快进）来使国际规划竞赛中70%的实例无法解决。最后，我们发现，在任何搜索为基础的规划系统中找到一个最佳的扰动是NP难的。
2022-05-01 cs.AI cs.CR
Dyna-AIL : Adversarial Imitation Learning by Planning
University of Toronto（多伦多大学）
对抗性的模仿学习方法已经被证明在各种控制任务上表现良好。然而，它们需要大量的环境交互作用来实现收敛。在本文中，我们提出了一个端到端的可区分对抗性模仿学习算法在Dyna的框架之间切换基于模型的规划和无模型学习专家数据。我们在离散和连续环境中的研究结果表明，我们使用基于模型的规划和无模型学习的方法收敛到最优策略，与最先进的学习方法相比，环境交互的数量更少。
2019-03-08 cs.AI cs.LG stat.ML
Cooperative Multi-Agent Planning with Adaptive Skill Synthesis
Department of Electrical Engineering and Automation, Aalto University（艾尔沃斯大学电气工程与自动化系）；Department of Computer Science, Aalto University（艾尔沃斯大学计算机科学系）
针对MARL样本效率低和LLM方法难以处理部分可观测多智能体交互的问题，本文提出COMPASS架构，融合视觉语言模型、动态技能库与多跳通信，在SMACv2上显著超越现有MARL基线。
2025-05-06 cs.AI cs.MA
Ant Colony Optimization for Cooperative Inspection Path Planning Using Multiple Unmanned Aerial Vehicles
Vietnam National University（越南国立大学）；Ulsan National Institute of Science and Technology（蔚山国立科学技术院）；Fulbright University Vietnam（越南富布赖特大学）
提出基于蚁群优化的多无人机协同巡检路径规划方法，通过3D模型生成视点并构建扩展旅行商问题，相比启发式方法将复杂结构路径长度减少29.47%。
2024-02-13 cs.AI cs.SY eess.SY
Cooperative Task and Motion Planning for Multi-Arm Assembly Systems
Massachusetts Institute of Technology（麻省理工学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；NVIDIA（英伟达）
多机器人装配系统由于其自动、灵活、快速地构造所需结构设计的能力而在制造业中变得越来越有吸引力。然而，以确保每个机器人同时具有生产力而不是空闲的方式有效地规划这些系统是具有挑战性的，这是由于（1）机器人必须操作以操纵结构的紧密接近以及（2）关于何时可以安装每个部件的固有结构部分排序。在本文中，我们提出了一个任务和运动规划框架，共同计划安全，低完工计划的机器人团队组装复杂的空间结构。我们的框架采取分层的方法，在高层次上，使用混合整数线性规划来计算一个抽象的计划，包括分配机器人的任务优先约束，并在低层次上，建立在一个国家的最先进的算法多智能体路径查找计划无碰撞机器人运动，实现这个抽象的计划。我们的方法的关键是在高层次的规划，这更好地通知搜索抽象的计划，可能是可行的和低的完工时间，同时保持搜索易处理的某些碰撞约束和运动持续时间。我们展示了我们的规划系统在几个具有挑战性的装配域与几个（有时异构）机器人与夹具或吸盘装配结构多达23个对象，涉及乐高积木，酒吧，板，或不规则形状的块。
2022-03-04 cs.AI cs.RO
Asynchronous Decentralized Algorithm for Space-Time Cooperative Pathfinding
Czech Technical University in Prague（捷克布拉格技术大学）；Delft University of Technology（代尔夫特理工大学）
合作寻路是一个多智能体路径规划问题，其中一组车辆搜索相应的一组非冲突的时空轨迹。许多实用的方法集中解决合作寻路问题的优先级规划策略的基础上。然而，在某些领域（例如，无人驾驶飞行器、自主水下航行器或无人驾驶地面航行器的多机器人团队），由于域和/或隐私问题所施加的通信限制，分散式方法可能比集中式方法更可取。在本文中，我们提出了一个异步分散的优先级规划ADPP和它的可中断版本IADPP的变种。该算法利用分布式系统固有的并行性，并允许加快计算过程。与同步规划方法不同，该算法允许代理立即对其他代理的路径更新做出反应，并调用其本地时空路径规划器来找到最佳轨迹，作为对其他代理选择的响应。我们提供了一个证明的算法的正确性和实验评估他们的合成域。
2012-10-25 cs.AI cs.DC cs.RO
SCORP: Scene-Consistent Multi-agent Diffusion Planning with Stable Online Reinforcement Post-Training for Cooperative Driving
School of Information Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）信息科学与技术学院）；Middle East Technology University (METU)（中东技术大学）；Robotics and Autonomous Systems Thrust, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向）；School of Computer Science and Technology, Qinghai University（青海大学计算机科学与技术学院）
SCORP通过场景条件多智能体去噪架构和两层马尔可夫决策过程提升多智能体协作驾驶的场景一致性和效率，实验表明其在安全性和效率指标上优于现有基线方法。
2026-05-11 cs.AI cs.RO
Enhancing Cooperative Multi-Agent Reinforcement Learning with State Modelling and Adversarial Exploration
School of Electrical；Archimedes, Athena Research Center, Greece；Department of Mathematics, ETH Zurich；Dept. of Mechanical Engineering \& Materials Science, Duke University；Dept. of Digital Systems, University of Piraeus, Greece
针对无通信分布式部分可观测环境下多智能体协作学习难题，提出含状态建模的MARL SMPE算法，通过置信表示融入策略与对抗式探索提升性能，在三类基准协作任务中超越现有最优算法。
2025-06-12 cs.AI cs.LG cs.MA
CoDriveVLM: VLM-Enhanced Urban Cooperative Dispatching and Motion Planning for Future Autonomous Mobility on Demand Systems
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）
针对AMoD中调度与运动规划割裂、车辆协同避障不足的问题，本文提出CoDriveVLM，用VLM增强多模态调度和风险评估，并结合去中心化ADMM实现协同轨迹优化。
2025-01-10 cs.AI cs.MA cs.RO
Cooperative Distribution Alignment via JSD Upper Bound
Purdue University（普渡大学）
无监督分布对齐估计将两个或更多个源分布映射到共享对齐分布的转换，仅给定每个分布的样本。该任务有许多应用，包括生成建模、无监督领域自适应和社会意识学习。大多数先前的作品使用对抗学习（即，最小-最大优化），这对于优化和评估可能是具有挑战性的。一些最近的作品探索了基于非对抗性流（即，可逆）方法，但它们缺乏统一的视角，并且在有效地对齐多个分布方面受到限制。因此，我们建议在一个单一的非对抗性框架下统一和推广以前的基于流的方法，我们证明这相当于最小化Jensen-Shannon Divergence（JSD）的上界。重要的是，我们的问题简化为一个极小，即，合作，问题，并可以提供一个自然的评价指标，无监督的分布对齐。我们在模拟和真实世界的数据集上展示了实证结果，以证明我们的方法的好处。代码可在https://github.com/inouye-lab/alignment-upper-bound上获得。
2022-11-01 cs.AI cs.LG
Value of Information-based Deceptive Path Planning Under Adversarial Interventions
U.S. Army Research Laboratory（美国陆军研究实验室）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对对抗性干预下的欺骗性路径规划问题，提出基于MDP的新模型与信息价值目标，通过选择低信息价值轨迹误导观察者选择次优干预，并利用线性规划理论推导出高效求解方法，实验证明其性能优于现有方法。
2025-03-31 cs.AI cs.LG math.OC
Model Predictive Adversarial Imitation Learning for Planning from Observation
Paul G. Allen School of Computer Science & Engineering（保罗·G·阿伦计算机科学与工程学院）
本文提出一种基于模型预测的对抗模仿学习方法，通过端到端学习从观察中规划，提升样本效率和鲁棒性。
2026-03-02 cs.AI cs.RO
Adversarial Yet Cooperative: Multi-Perspective Reasoning in Retrieved-Augmented Language Models
East China Normal University（华东师范大学）；Baidu Inc.（百度公司）；Southeast University（东南大学）
本文提出对抗推理RAG框架，通过推理与验证的对抗机制提升检索增强语言模型的多视角推理能力与验证严谨性。
2026-01-09 cs.AI cs.IR cs.MA
Automated Urban Planning for Reimagining City Configuration via Adversarial Learning: Quantification, Generation, and Evaluation
University of Central Florida（中佛罗里达大学）；Virginia Tech（弗吉尼亚理工大学）；University of Macau（澳门大学）
城市规划是指设计一个地区的土地使用配置的努力。然而，为了获得有效的城市规划，城市专家必须花费大量的时间和精力来分析复杂的规划约束，基于领域知识和个人经验。为了减轻他们的沉重负担并制定一致的城市规划，我们想问人工智能能否加速城市规划过程，以便人类规划师只根据特定需求调整生成的配置？深度生成模型的最新进展提供了一个可能的答案，它启发我们从对抗学习的角度自动化城市规划。然而，三个主要的挑战出现：1）如何定义一个定量的土地利用配置？2)如何自动化配置规划？3)如何评估生成的配置的质量？在本文中，我们系统地解决这三个挑战。具体来说，1）我们定义一个土地利用配置作为一个纬向通道张量。2)我们将自动化城市规划问题转化为深度生成学习的任务。目标是在给定目标区域的周围环境的情况下生成配置张量。3)我们提供了定量的评估指标，并进行了广泛的实验，以证明我们的框架的有效性。
2021-12-26 cs.AI cs.RO
Hierarchical Task Network Planning for Facilitating Cooperative Multi-Agent Reinforcement Learning
Jilin University（吉林大学）；Sun Yat-sen University（中山大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
针对稀疏奖励带陷阱的协作MARL中智能体易落陷阱、难达目标的问题，提出融合HTN规划与元控制器的两层SOMARL框架，利用符号知识引导探索，在两个基准上性能显著优于现有方法。
2023-06-14 cs.AI cs.LG
Altruistic Maneuver Planning for Cooperative Autonomous Vehicles Using Multi-agent Advantage Actor-Critic
University of Central Florida（中佛罗里达大学）；Stanford University（斯坦福大学）；University of California, Santa Barbara（加州大学圣巴巴拉分校）
本文提出一种多智能体优势Actor-Critic算法，用于自动驾驶车辆在混合交通环境中的利他性动作规划，以提升交通效率与安全。
2021-07-12 cs.AI cs.RO
Multi-agent RRT*: Sampling-based Cooperative Pathfinding (Extended Abstract)
Czech Technical University in Prague（捷克布拉格技术大学）；Delft University of Technology（代尔夫特理工大学）
合作寻路是为多个移动代理寻找一组不冲突的轨迹的问题。它的应用包括移动机器人团队的规划，如自主飞机，汽车或水下航行器。用于协作寻路的最先进的算法通常依赖于一些启发式前向搜索寻路技术，其中A* 通常是选择的算法。在这里，我们提出了MA-RRT*，一种新的算法，多代理路径规划，建立在最近提出的渐近最优采样为基础的算法，寻找单代理最短路径称为RRT*。我们实验评估的算法的性能，并表明，基于采样的方法提供了更好的可扩展性比经典的前向搜索方法在相对较大，但稀疏的环境，这是典型的在现实世界中的应用，如多飞机防撞。
2013-02-12 cs.AI cs.MA cs.RO
Cooperative Bayesian Optimization for Imperfect Agents
Aalto University（阿尔托大学）；Hamburg University of Technology（汉堡工业大学）；University of Manchester（曼彻斯特大学）
针对人机协作优化双变量黑盒函数的场景，提出将问题建模为序列决策、用贝叶斯自适应蒙特卡洛规划结合考虑用户保守信念更新与探索采样的用户模型的方法，可在用户不过度探索时更好找到全局最大值。
2024-03-07 cs.AI cs.LG cs.MA
Generative Adversarial Network based Heuristics for Sampling-based Path Planning
Southern University of Science and Technology（南方科技大学）；The Chinese University of Hong Kong（香港中文大学）；Shenzhen Research Institute of the Chinese University of Hong Kong（香港中文大学深圳研究院）
基于采样的路径规划是机器人路径规划的一种常用方法。采用均匀采样策略探索状态空间，不需要对位形空间进行复杂的几何建模，即可找到可行路径。但是，初始解的质量得不到保证，收敛到最优解的速度较慢。在本文中，我们提出了一种新的基于图像的路径规划算法，以克服这些限制。具体而言，生成对抗网络（GAN）的设计，以环境地图（表示为RGB图像）作为输入，而无需其他预处理工作。输出也是一个RGB图像，其中分割了有希望的区域（可能存在可行路径）。这个有希望的区域被用作启发式算法，以实现路径规划器的非均匀采样。通过大量的仿真实验验证了该方法的有效性，实验结果表明，该方法在初始解的质量和收敛到最优解的速度方面都有较大的提高。此外，除了与训练集相似的环境外，我们的方法也适用于与训练集非常不同的环境。
2020-12-07 cs.AI cs.RO
Robust Planning for Autonomous Driving via Mixed Adversarial Diffusion Predictions
Samueli School of Engineering, Computer Science Department, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系桑德利学校）
本研究提出一种自动驾驶鲁棒规划方法，通过混合扩散模型生成的正常与对抗行为预测，以期望成本评分规划，兼顾对抗鲁棒性与正常场景保守性，在多种交通场景中验证了有效性。
2025-05-18 cs.AI cs.LG cs.RO
Co-MTP: A Cooperative Trajectory Prediction Framework with Multi-Temporal Fusion for Autonomous Driving
School of Automotive Studies, Tongji University（同济大学汽车学院）
提出Co-MTP协同轨迹预测框架，利用V2X系统通过异构图Transformer融合多智能体历史轨迹并捕捉未来规划交互，在V2X-Seq数据集上实现最先进性能。
2025-11-02 cs.AI cs.CV cs.LG
A non-cooperative meta-modeling game for automated third-party calibrating, validating, and falsifying constitutive laws with parallelized adversarial attacks
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Columbia University（哥伦比亚大学）
本构模型的评估，特别是对于高风险和高遗憾的工程应用，需要有效和严格的第三方校准，验证和证伪。虽然在开发验证模型的范例和标准程序方面作出了许多努力，但由于普遍采用的校准和验证过程具有顺序性、手工性和往往带有偏见的性质，因此可能会出现困难，从而减缓数据收集的速度，阻碍在发现新物理学方面取得进展，增加费用，并可能导致对拟议模型的可信度和适用范围的误解。这项工作试图引入博弈论和机器学习技术的概念，以克服许多现有的困难。我们引入了一个自动元建模游戏，其中两个相互竞争的AI代理系统地生成实验数据来校准给定的本构模型并探索其弱点，以通过竞争来改善实验设计和模型鲁棒性。两个智能体在没有人为干预的情况下，在对抗性强化学习框架中自动搜索元建模博弈的纳什均衡。通过将实验室实验的所有可能的设计选项捕获到单个决策树中，我们将实验的设计重新塑造为组合移动的游戏，可以通过两个竞争玩家的深度强化学习来解决。我们的对抗性框架模拟了研究人员之间理想化的科学合作和竞争，以更好地理解所学习的材料定律的应用范围，并防止传统的基于人工智能的第三方验证引起的误解。
2020-04-13 cs.AI cs.LG eess.SP
LLM-Powered Decentralized Generative Agents with Adaptive Hierarchical Knowledge Graph for Cooperative Planning
Carnegie Mellon University（卡内基梅隆大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Roblox（罗布乐思公司）；Northeastern University（东北大学）
针对动态开放世界中多智能体长期协作的挑战，提出DAMCS系统，通过LLM驱动的生成智能体、自适应层次知识图谱记忆与结构化通信协议，在Crafter环境中实现高效协作，多智能体场景步骤显著减少。
2025-02-08 cs.AI cs.MA
Automated Planning in Repeated Adversarial Games
Imperial College London（伦敦帝国学院）；University of Southampton（南安普顿大学）
博弈论的规范性力量通常依赖于完全理性和/或自我博弈的互动。与此相反，这项工作抛开这些基本前提，而是集中在两个或多个代理之间的异构自主交互。具体来说，我们介绍了一种新的和简洁的表示重复对抗（常和）游戏，突出必要的功能，使自动规划代理的原因如何得分以上的游戏的纳什均衡，面对异构对手。为此，我们提出了TeamUP，一个基于模型的RL算法，旨在学习和规划这样的抽象。本质上，它有点类似于R-max，具有巧妙设计的奖励塑造，将探索视为对抗性优化问题。在实践中，它试图找到一个盟友，与之默契地勾结（在超过两个玩家的游戏中），然后合作制定一个联合行动计划，在对抗性重复游戏中始终获得高效用。我们使用首届柠檬水摊位游戏锦标赛来证明我们的方法的有效性，并发现TeamUP是表现最好的代理，将锦标赛的实际获胜策略降级为第二位。在我们的实验分析中，我们展示了我们的策略成功地并始终如一地与许多不同的异构（有时非常复杂）对手建立合作。
2012-03-15 cs.AI cs.GT
A Hierarchical Game-Theoretic Decision-Making for Cooperative Multi-Agent Systems Under the Presence of Adversarial Agents
University of Georgia（佐治亚大学）
多智能体系统（MAS）在危险场景中的潜在关系可以表示为博弈论模型。本文提出了一种新的层次网络模型称为博弈论效用树（GUT），它将高层策略分解为可执行的低层行动的合作MAS决策。它结合了一个新的回报措施的基础上，代理需要实时战略游戏。我们提出了一个探索游戏域，在那里我们衡量的MAS实现任务的成功概率和系统成本的平衡的角度来看，性能。我们评估的大统一组织的方法对国家的最先进的方法，greenly依赖于奖励的复合行动。广泛的数值模拟的结论性结果表明，大统一理论可以组织更复杂的MAS合作之间的关系，帮助集团实现具有挑战性的任务，以更低的成本和更高的胜率。此外，我们证明了大统一理论的适用性，使用模拟器硬件测试平台- Robotarium。实验结果验证了GUT在实际机器人应用中的有效性，验证了GUT能够有效地组织MAS协作策略，帮助优势较少的群体获得更高的性能。
2023-03-28 cs.AI cs.LG cs.MA
Conditional Generative Adversarial Networks for Optimal Path Planning
Southern University of Science and Technology（南方科技大学）；The Chinese University of Hong Kong（香港中文大学）；Shenzhen Research Institute of the Chinese University of Hong Kong（香港中文大学深圳研究院）
路径规划在自主机器人系统中起着重要的作用。对周围环境的有效理解和最优无碰撞路径的有效生成是解决路径规划问题的关键。传统的基于采样的路径规划算法，如快速探索随机树（RRT）及其改进的最优算法（RRT*），因其在复杂环境下也能找到可行路径而被广泛应用于路径规划问题，但它们不能有效地找到最优路径。为了解决这一问题并满足上述两个要求，我们提出了一种新的基于学习的路径规划算法，该算法由一种新的基于条件生成对抗网络（CGAN）的生成模型和一种改进的RRT* 算法（CGANRRT*）组成。给定地图信息，我们的CGAN模型可以生成一个有效的可行路径的可能性分布，它可以被CGAN-RRT* 算法用来找到最优路径与非均匀采样策略。CGAN模型是通过从地面实况地图学习来训练的，每个地图都是通过将RRT算法执行50次的所有结果放在一个原始地图上来生成的。通过在两组地图上的测试以及CGAN-RRT* 算法与传统RRT* 算法的比较，我们证明了CGAN模型的有效性能。
2020-12-06 cs.AI cs.RO eess.IV
