NeHMO: Neural Hamilton-Jacobi Reachability Learning for Decentralized Safe Multi-Arm Motion Planning
Department of Computer Science at Purdue University（普渡大学计算机科学系）
提出基于神经哈密顿-雅可比可达性学习的方法，学习安全值函数以捕获最坏情况下的臂间安全约束，并开发分散式轨迹优化框架，实现可扩展、数据高效且泛化能力强的实时多臂运动规划。
2026-07-02 cs.RO
Decentralized Heterogeneous Multi-Player Multi-Armed Bandits with Non-Zero Rewards on Collisions
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
我们考虑了一个完全分散的多人随机多臂强盗设置的球员不能相互沟通，只能观察自己的行动和奖励。环境可能对不同的玩家表现不同，$\textit{i.e.}$，给定手臂的奖励分布在玩家之间是异构的。在碰撞的情况下（当多个玩家使用同一只手臂时），我们允许碰撞的玩家获得非零奖励。该武器被使用的时间范围$T$是玩家已知的\emph{not}。在这个设置中，玩家的数量被允许大于武器的数量，我们提出了一个政策，实现了近订单最优的预期遗憾的顺序$O(\log^{1 + δ} T)$为一些$0 < δ< 1$在一个时间跨度的持续时间$T$。这篇论文被IEEE Transactions on信息论接受。
2021-12-28 cs.GT cs.LG stat.ML
Robust Decentralized Multi-armed Bandits: From Corruption-Resilience to Byzantine-Resilience
针对去中心化协作多智能体多臂老虎机易受对抗攻击的问题，提出鲁棒算法DeMABAR，可同时应对对抗损坏与拜占庭攻击场景，经理论分析和数值实验验证其鲁棒性与有效性。
2025-11-13 cs.LG
Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game
Bar-Ilan University（巴伊兰大学）；Nanyang Technological University（南洋理工大学）；University of Houston（休斯顿大学）；Kyung Hee University（庆熙大学）
我们研究了一个分散的信道分配问题，在一个ad-hoc物联网网络的基础上授权给一个主要的蜂窝网络的频谱。在所考虑的网络中，IoT设备上贫乏的信道感测/探测能力和计算资源使得它们难以获取共享的多个信道的详细信道状态信息（CSI）。在实践中，主用户的传输活动的未知模式和时变CSI（例如，由于小规模衰落或设备移动性）也引起信道质量的随机变化。因此，去中心化物联网链路需要基于部分观测在线学习信道条件，同时不获取有关其未运行信道的信息。它们还必须在有限协调的情况下达成高效、无冲突的信道分配解决方案。我们的研究映射到一个上下文多人，多武装土匪游戏，并提出了一个纯粹的分散，三阶段的策略学习算法，通过试错。理论分析表明，所提出的方案保证物联网链路联合收敛到具有次线性（即，多对数）遗憾的是，相对于操作时间。仿真结果表明，它罢工之间的效率和网络的可扩展性与其他国家的最先进的分散式强盗算法相比，很好的平衡。
2021-07-01 cs.LG cs.MA cs.NI
Bandit Learning in Decentralized Matching Markets
University of California（加利福尼亚大学）
我们研究双边匹配市场，其中一方的市场（球员）没有一个先验知识，其偏好的另一方（武器），并要求从经验中学习其偏好。此外，我们假设玩家没有直接的通信手段。该模型扩展了标准的随机多臂强盗框架，分散的多个玩家设置与竞争。我们引入了一个新的算法，这种设置，在一个时间范围$T$，达到$\mathcal{O}(\log(T))$稳定的遗憾时，共享的武器的偏好，和$\mathcal{O}(\log(T)^2)$遗憾时，没有任何一方的偏好的假设。此外，在设置中，一个单一的球员可能会偏离，我们表明，该算法是激励兼容的武器的偏好是共享的，但不一定是这样的偏好是完全一般的。
2021-06-21 cs.GT cs.LG cs.MA
Bayesian Algorithms for Decentralized Stochastic Bandits
Stanford University（斯坦福大学）；Princeton University（普林斯顿大学）
研究了一个分散协作的多智能体多臂强盗问题，其中$K$和$N$智能体通过网络连接.在我们的模型中，每个手臂的奖励分配对于所有代理都是相同的，并且奖励在代理和时间步长上独立绘制。在每一轮中，智能体选择一只手臂进行游戏，然后向邻居发送一条消息。目标是最小化整个网络平均的累积遗憾。我们提出了一个分散的贝叶斯多臂强盗框架，扩展单代理贝叶斯强盗算法的分散设置。具体来说，我们研究了一种可以与现有贝叶斯算法相结合的信息同化算法，并在此基础上提出了分散的Thompson采样算法和分散的Bayes-UCB算法。我们分析了分散式Thompson抽样算法在Bernoulli报酬下的问题，并建立了一个依赖于问题的累积后悔上界。我们发现，遗憾引起的规模在时间范围内与常数相匹配的最佳集中代理访问整个网络的所有观测。我们的分析还描述了网络结构方面的累积遗憾。通过广泛的数值研究，我们表明，我们的扩展汤普森采样和贝叶斯UCB招致较少的累积遗憾比最先进的算法的启发上置信界算法。我们实现了我们提出的分散汤普森采样下的流言协议，并在时变网络，其中每个通信链路有一个固定的故障概率。
2020-10-28 cs.LG stat.ML
Learning Interaction-Aware Trajectory Predictions for Decentralized Multi-Robot Motion Planning in Dynamic Environments
Delft University of Technology（代尔夫特理工大学）
针对动态环境下的多机器人运动规划问题，提出了一种数据驱动的分散轨迹优化方法。当在共享空间中导航时，每个机器人都需要对相邻机器人的运动进行准确的预测，以实现预测性的碰撞避免。这些运动预测可以在机器人之间通过经由通信彼此共享它们的未来规划轨迹来获得。然而，这种通信在实践中可能无法获得，也不可靠。在本文中，我们介绍了一种新的轨迹预测模型的基础上循环神经网络（RNN），可以学习多机器人的运动行为，从演示轨迹使用集中式顺序规划器生成。学习的模型可以为每个机器人有效地在线运行，并根据其历史状态的观察提供其邻居的交互感知轨迹预测。然后，我们将轨迹预测模型到一个分散的模型预测控制（MPC）框架的多机器人避碰。仿真结果表明，我们的分散式方法可以实现一个集中式规划器的性能相当的水平，同时是通信自由和可扩展到大量的机器人。我们还验证了我们的方法与现实世界的实验中的四旋翼团队。
2021-02-23 cs.LG cs.RO
Diffusion-Guided Multi-Arm Motion Planning
Massachusetts Institute of Technology（麻省理工学院）
针对多臂运动规划可扩展性差、依赖大数据集的问题，提出扩散引导的多臂规划器DG-MAP，利用条件扩散模型分解单臂轨迹生成与成对碰撞解决，实现高效扩展并验证有效性。
2025-09-09 cs.AI cs.MA cs.RO
Decentralized Cooperative Stochastic Bandits
University of Oxford（牛津大学）
研究了$N$智能体网络上具有$K$臂的分散合作随机多臂强盗问题.在我们的模型中，每个代理的每个手臂的奖励分配是相同的，并且奖励是独立地跨代理和时间步绘制的。在每一轮中，每个智能体选择一只手臂进行游戏，然后向她的邻居发送一条消息。我们的目标是尽量减少整个网络的整体遗憾。我们设计了一个完全分散的算法，使用加速共识程序来计算（延迟）每个手臂的所有代理获得的平均奖励的估计，然后使用上置信界（UCB）算法，该算法考虑了估计的延迟和误差。我们分析了我们的算法的遗憾，也提供了一个下界。遗憾是有界的最佳集中遗憾加上一个自然和简单的条款，取决于通信矩阵的频谱间隙。我们的算法比以前的工作中提出的算法更容易分析，它实现了更好的后悔界限，同时需要更少的底层网络信息。它在经验上也表现得更好。
2019-10-24 cs.LG stat.ML
Decentralized Upper Confidence Bound Algorithms for Homogeneous Multi-Agent Multi-Armed Bandits
E-Surfing Digital Life Technology Co., Ltd.（天翼数字生活科技有限公司）；Stony Brook University（石溪大学）；University of California Santa Cruz（加州大学圣克鲁兹分校）；J.P. Morgan AI Research（摩根大通AI研究院）
本文针对同质多智能体多臂老虎机问题，提出基于UCB1和KL-UCB的去中心化算法，使智能体通过邻居信息共享获得优于单智能体的对数渐近遗憾，并将框架扩展至有向图。
2024-12-28 cs.LG cs.SY eess.SY
Decentralized Smart Charging of Large-Scale EVs using Adaptive Multi-Agent Multi-Armed Bandits
ENS Rennes（雷恩高等师范学院）；Orange Labs（奥兰奇实验室）；Paul Sabatier University（保罗·萨巴蒂埃大学）
针对集中式智能充电方案可扩展性差、存在单点故障与隐私隐患的问题，提出基于自适应多智能体多臂老虎机的完全分布式智能充电系统，可应对系统不确定性，兼具分布式、可扩展、实时、无模型与公平性优势。
2023-07-20 cs.LG
Decentralized Competing Bandits in Non-Stationary Matching Markets
UC San Diego（加州大学圣地亚哥分校）；AWS AI（亚马逊云科技人工智能）；UC Berkeley（加州大学伯克利分校）
了解双边在线匹配市场的复杂动态，需求方代理商竞争与供应方（武器）匹配，最近收到了很大的兴趣。为此，在本文中，我们介绍了非平稳（动态）环境下的分散双边匹配市场的框架。我们坚持串行独裁设置，需求方代理商有未知的和不同的偏好，供应方（武器），但武器有固定的和已知的偏好。我们提出并分析了一个分散和异步的学习算法，即分散的非平稳竞争土匪（\texttt{DNCB}），其中代理人发挥（限制性）连续消除型学习算法，以了解他们的偏好的武器。理解这样一个系统的复杂性源于这样一个事实，即竞争的强盗以异步的方式选择他们的行动，并且较低排名的代理只能从一组手臂中学习，而不是由较高排名的代理学习PDMATHAMN，这导致\emph{forced exploration}。仔细定义的复杂性参数，我们描述了这个\emph{forced exploration}，并获得次线性（对数）遗憾的\texttt{DNCB}。此外，我们通过实验验证了我们的理论研究结果。
2022-05-31 cs.IT cs.LG math.IT
Decentralized Lifelong Path Planning for Multiple Ackerman Car-Like Robots
Rutgers, the State University of New Jersey（罗格斯，新泽西州立大学）
针对连续域中非完整约束机器人的终身路径规划难题，将离散域SOTA多机器人规划关键思想扩展至多个Ackerman类车机器人，提出高性能集中式与去中心化规划器，实现精确SE(2)目标位姿轨迹规划并经仿真与实验验证。
2024-02-19 cs.RO
Decentralized Multi-player Multi-armed Bandits with No Collision Information
University of Virginia（弗吉尼亚大学）；Pennsylvania State University（宾夕法尼亚州立大学）
研究了局中人不知道碰撞信息的分散随机多局多臂强盗问题。在Boursier和Perchet（2019）的开创性工作的基础上，我们提出了涉及通信的纠错同步（EC-SIC），其遗憾之处在于接近具有冲突信息的集中式随机MP-MAB。该算法通过将无冲突信息的通信阶段看作是信息论中的Z信道模型，将最优纠错编码应用于反馈统计信息的通信。与Boursier和Perchet（2019）中的随机增长相反，固定的消息长度在控制通信损耗方面也起着至关重要的作用。实验结果表明，EC-SIC算法在实际Z信道编码中，如重复码、翻转码和修正汉明码等，具有较好的性能。
2020-02-29 cs.IT cs.LG math.IT
Decentralized Restless Bandit with Multiple Players and Unknown Dynamics
University of California, Davis（加州大学戴维斯分校）
针对多玩家未知动力学的分散式休止多臂赌博机问题，提出一种分散式策略，在已知系统参数边界时实现对数阶遗憾，在无先验知识时实现任意接近对数阶的遗憾。
2011-02-15 cs.LG cs.SY eess.SY
Hybrid Task Constrained Planner for Robot Manipulator in Confined Environment
Carnegie Mellon University（卡内基梅隆大学）
本文提出一种混合优化框架，在配置空间和零空间中联合搜索，为受限环境中的冗余机器人臂生成满足任务约束和避碰要求的高质量轨迹，并在抛光场景中验证其优于现有方法。
2023-04-18 cs.RO
A Decentralized Communication Policy for Multi Agent Multi Armed Bandit Problems
Sri Lanka Technological Campus（斯里兰卡理工学院）；University of Peradeniya（佩拉德尼亚大学）
本文提出了一种新的政策，一组代理，单独以及集体，解决多武装土匪（MAB）问题。该策略仅依赖于代理通过自己的选项采样以及通过与邻居的通信获得的信息。选择政策是基于上置信度为基础（UCB）的战略，而提出的通信策略，迫使代理商与其他代理商，他们认为是最有可能探索比利用。整体策略显着优于一个独立的Erdens-Rényi（ER）图为基础的随机通信策略。该政策被证明是具有成本效益的通信方面，因此可以很容易地扩展到一个大型网络的代理。
2020-02-21 cs.LG stat.ML
Meet Me at the Arm: The Cooperative Multi-Armed Bandits Problem with Shareable Arms
Boston University（波士顿大学）；Broad Institute of MIT and Harvard（布罗德研究所）
本文研究了在无感知设置下多玩家多臂老虎机问题，提出A-CAPELLA算法，通过协议驱动协调实现对容量的感知，达到对数遗憾水平。
2026-03-29 cs.LG
Distributed Learning in Multi-Armed Bandit with Multiple Players
University of California, Davis（加州大学戴维斯分校）
我们制定和研究一个分散的多臂强盗（MAB）问题。有M个分布式参与者竞争N个独立的武器。每一只手臂，在演奏时，都提供了身份证。根据具有未知参数的分布进行奖励。在每一次，每个玩家选择一只手臂玩，不与其他玩家交换观察或任何信息。选择相同手臂的玩家发生碰撞，根据碰撞模型，要么没有人获得奖励，要么碰撞的玩家以任意方式分享奖励。我们发现，分散的MAB的最小系统遗憾随着时间的增长，在相同的对数顺序在集中式的对手，球员集体作为一个单一的实体，通过交换意见和共同决策。一个分散的政策，以实现这一最优秩序，同时确保公平的参与者之间，而不假设任何预先协议或参与者之间的信息交换。基于M个最优武器的时分公平共享（TDFS），构造了该策略，并在一般报酬模型下证明了其序最优性。此外，TDFS策略的基本结构可以与任何订单最优的单人策略一起使用，以实现分散设置中的订单最优性。我们还建立了一个下界的系统遗憾的增长率的一般类的分散政策，建议的政策属于。该问题在认知无线电网络、多信道通信系统、多智能体系统、网络搜索和广告以及社交网络中有潜在的应用。
2010-06-07 cs.LG math.OC math.PR
Decentralized Blockchain-based Robust Multi-agent Multi-armed Bandit
Northwestern University（西北大学）
本文研究去中心化区块链上存在恶意参与者的鲁棒多智能体多臂老虎机问题，首次结合区块链技术与新颖机制设计最优策略，通过验证者池、基于数字签名的共识、基于UCB的安全多方计算策略及激励机制，证明了算法理论遗憾值上界为$\log{T}$且达到最优。
2024-07-25 cs.LG cs.MA
DawnIK: Decentralized Collision-Aware Inverse Kinematics Solver for Heterogeneous Multi-Arm Systems
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所）
DawnIK提出一种基于加权代价函数与非线性优化的去中心化逆运动学方法，无需逆雅可比计算或冗余自由度，即可实现异构多臂系统在相交工作空间中的无碰撞轨迹跟踪，性能优于CollisionIK。
2023-10-31 cs.RO cs.SY eess.SY
High-Performance Dual-Arm Task and Motion Planning for Tabletop Rearrangement
Rutgers, the State University of New Jersey（罗格斯，新泽西州立大学）
SDAR通过结合依赖驱动任务规划和同步双臂运动规划，实现高效桌面物体重新排列，解决复杂非单调任务的高成功率与高质量解决方案。
2026-02-28 cs.RO
On Regret-Optimal Learning in Decentralized Multi-player Multi-armed Bandits
University of Southern California（南加州大学）；University of California, Berkeley（加州大学伯克利分校）
我们考虑了单人和多人多臂强盗模型中的学习问题。强盗问题是一类在线学习问题，捕获探索与剥削权衡。在多臂强盗模型中，玩家可以在许多武器中进行选择，每一次使用一只武器都会产生一个ID。来自未知分布的奖励。我们的目标是设计一个政策，最大化的预期回报在一个时间范围内为一个单一的球员设置和多人设置的预期回报的总和。在多人游戏设置中，武器可能会给不同的玩家不同的奖励。参与者之间没有单独的协调渠道。任何沟通的尝试都是昂贵的，并且会增加遗憾。我们提出了两个分散的政策，$\tt E^3$（$\tt E$ - $\tt cubed$）和$\tt E^3$ - $\tt TS$，可用于单人和多人游戏设置。这些政策所产生的预期遗憾，增长最多为O（$\log^{1+ε} T$）。众所周知，即使在集中的情况下，$\log T$也是后悔增长率的下限。所提出的算法改进了以前的工作，后悔增长在O（$\log^2 T$）。更根本的是，这些政策解决了分散式在线学习产生的额外成本问题，这表明最多有一个$ε$ -因素成本的遗憾顺序。这解决了许多领域的相关问题，并且已经开放了一段时间。
2016-12-01 cs.LG stat.ML
Decentralized Task Offloading in Edge Computing: A Multi-User Multi-Armed Bandit Approach
Huazhong University of Science and Technology（华中科技大学）；Huawei Technologies Co., Ltd（华为技术有限公司）；The Chinese University of Hong Kong（香港中文大学）
移动边缘计算方便用户将计算任务卸载到边缘服务器，以满足其严格的延迟要求。以前的工作主要探索任务卸载时，系统侧的信息是给定的（例如，服务器处理速度、蜂窝数据率）或系统不确定性下的集中卸载。但是，这两种方法通常都不足以处理在动态和不确定的环境中涉及许多共存用户的任务放置。在本文中，我们开发了一个多用户卸载框架，考虑未知但随机的系统侧信息，使分散的用户发起的服务放置。具体来说，我们制定了一个在线的多用户多臂强盗过程的动态任务放置，并提出了一个分散的基于时代的卸载（DEBO），以优化用户的奖励，受到网络延迟。我们表明，DEBO可以推断出最佳的用户-服务器分配，从而实现接近最佳的服务性能和紧O（log T）卸载遗憾。此外，我们推广DEBO各种常见的情况下，如未知的回报差距，动态进入或离开的客户端，公平的奖励分配，同时进一步探讨当用户卸载的任务需要异构的计算资源。特别是，我们完成了一个次线性的遗憾，为每一个这些情况。基于真实测量的评估证实了我们的卸载方案在优化延迟敏感奖励方面优于最先进的方法。
2021-12-28 cs.DC cs.LG
Multi-agent Soft Actor-Critic Based Hybrid Motion Planner for Mobile Robots
College of Electronics and Information Engineering, Tongji University（同济大学电子与信息工程学院）；School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院）；School of Automation, Southeast University（东南大学自动化学院）
本文提出了一种新的混合多机器人运动规划器，可应用于非通信和局部可观测的条件下。该规划器是无模型的，可以实现多机器人状态和观测信息的端到端映射到最终的平滑和连续的轨迹。规划器是一个前端和后端分离的架构。前端协同航路点搜索模块的设计基于多智能体软行动者-评论者算法，采用集中训练分散执行图。后端轨迹优化模块的设计基于带安全区约束的最小捕捉法。该模块可以输出最终的动态可行的和可执行的轨迹。最后，多组实验结果验证了所提出的运动规划器的有效性。
2021-12-13 cs.AI cs.RO
Decentralized Online Learning Algorithms for Opportunistic Spectrum Access
University of Southern California（南加州大学）
认知无线电网络中多个次级用户在多个信道上竞争机会频谱接入的基本问题最近被描述为分散式多臂强盗（D-MAB）问题。在D-MAB问题中，有$M$用户和$N$臂（通道），每个臂都提供i.i.d.随机奖励与未知的手段，只要他们被访问没有冲突。我们的目标是设计一个分散的在线学习政策，招致最小的遗憾，定义为模型感知精灵积累的总预期奖励之间的差异，并获得所有用户应用该政策。我们在本文中做了两个贡献。首先，我们考虑用户具有优先级排序的设置，使得期望排名第$K$的用户学习访问提供第$K$最高平均奖励的臂。对于这个问题，我们提出了第一个分布式的政策，产生遗憾，随着时间的推移是一致的对数，而不需要任何事先假设的平均回报。其次，我们考虑需要公平访问政策的情况，即，期望所有用户体验相同的平均回报。对于这个问题，我们提出了一个分布式的政策，产生订单最优的遗憾缩放的用户和武器的数量，比以前提出的政策在文献中。我们的分布式政策利用了一个创新的修改著名的UCB 1政策的经典多臂强盗的问题，允许一个用户学习如何发挥手臂，产生$K$ -th最大的平均奖励。
2011-04-01 cs.LG cs.NI math.PR
SolarChain-Eval: A Physics-Constrained Benchmark for Trustworthy Economic Agents in Decentralized Energy Markets
Duke Kunshan University（杜克昆山大学）
针对去中心化能源市场中智能代理评估需兼顾任务性能与可信度的问题，提出物理约束基准测试SolarChain-Eval，将市场治理建模为马尔可夫决策过程，从多维度评估策略，纳入大语言模型规划器/审计器层，实验揭示效用与安全权衡及相关问题。
2026-07-13 cs.AI cs.ET cs.LG
Competing Bandits in Decentralized Contextual Matching Markets
Department of Electrical Engineering IIT Bombay（印度理工学院班加罗尔电气工程系）；Google New York（谷歌纽约分公司）；Department of Computer Science and Engineering IIT Bombay（印度理工学院班加罗尔计算机科学与工程系）；Amazon Web Services Santa Clara（亚马逊网络服务圣克拉拉）
本文研究去中心化双边匹配市场中的序贯学习，提出算法同时识别潜在环境并获得稳定匹配，实现独立于臂数量的实例相关对数遗憾。
2025-06-19 cs.LG stat.ML
Multi-Agent Reinforcement Learning-Based UAV Pathfinding for Obstacle Avoidance in Stochastic Environment
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）
提出一种融合模型预测控制与距离加权平均场的多智能体强化学习方法，实现随机环境中无人机集中式训练、分散式避障路径规划，并通过仿真与真实机器人验证其效率和泛化性。
2026-10-19 cs.LG cs.RO
Manifold-constrained Hamilton-Jacobi Reachability Learning for Decentralized Multi-Agent Motion Planning
Purdue University（普渡大学）
提出流形约束的 HJR 学习框架，通过求解流形约束下的 HJR 问题获取任务感知安全条件，并集成到去中心化轨迹优化规划器中，实现安全且任务可行的多智能体运动规划。
2026-07-02 cs.RO cs.SY eess.SY
Beyond $\log^2(T)$ Regret for Decentralized Bandits in Matching Markets
Google（谷歌）；Facebook（脸书）；Amazon（亚马逊）
我们在双边匹配市场中设计了分散式后悔最小化算法，其中单边强盗反馈显著改进了先前的工作（Liu et al. 2020 a，2020 b，Sankararaman et al. 2020）。首先，对于一般市场，对于任何$\varepsilon > 0$，我们设计了一种算法，该算法实现了对代理最优稳定匹配的$O(\log^{1+\varepsilon}(T))$遗憾，具有未知的时间范围$T$，改进了（Liu et al. 2020 b）中实现的$O(\log^{2}(T))$遗憾。其次，我们提供了最佳的$Θ(\log(T))$代理最佳遗憾的市场满足唯一性一致性-市场离开参与者不改变原来的稳定匹配。在此之前，当所有武器对代理人有相同的偏好时，$Θ(\log(T))$后悔在非常有限的串行独裁设置中是可以实现的（Sankararaman et al. 2020，Liu et al. 2020 b）。我们提出了一个基于阶段的算法，其中每个阶段，除了删除全球通信占主导地位的武器的代理本地删除武器，他们经常发生冲突。这种局部缺失在打破由跨臂代理的等级异质性引起的死锁方面是关键的。我们进一步证明了我们的算法优于现有的作品，通过模拟。
2021-03-12 cs.LG stat.ML
Decentralized MPC based Obstacle Avoidance for Multi-Robot Target Tracking Scenarios
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Tübingen（图宾根大学）；International Institute for Information Technology（国际信息技术研究所）
在这项工作中，我们考虑的问题，分散的多机器人目标跟踪和避障在动态环境中。每个机器人执行基于模型预测控制（MPC）的局部运动规划算法。规划器被设计为二次规划，受到机器人动力学和避障的约束。采用排斥势场函数来避开障碍物。我们的方法的新颖之处在于嵌入这些非线性势场函数的约束条件内的凸优化框架。我们的方法convexifies非凸约束和依赖关系，通过将它们替换为机器人动力学中预先计算的外部输入力。所提出的算法还采用了不同的方法，以避免使用潜在的场函数规划领域的局部极小值问题。运动规划器不强制执行预定义的轨迹或任何形成的机器人的几何形状，是一个全面的解决方案，在多机器人目标跟踪的背景下，合作避障。我们在不同的环境下进行仿真研究，以展示所提出的算法的收敛性和有效性。模拟研究视频：\url{https://youtu.be/umkdm82Tt0M}
2019-09-01 cs.MA cs.RO cs.SY
Decentralized Randomly Distributed Multi-agent Multi-armed Bandit with Heterogeneous Rewards
Northwestern University（西北大学）
本文研究去中心化多智能体多臂老虎机问题，提出结合快速混合马尔可夫链随机图模拟、一致性方法与加权UCB技术的算法框架，去除了双随机性假设，在次高斯和次指数环境下实现了高概率成立的最优遗憾上界。
2023-10-18 cs.LG stat.ML
Bin Assignment and Decentralized Path Planning for Multi-Robot Parcel Sorting
Rutgers, the State University of New Jersey（罗格斯，新泽西州立大学）
本文针对仓库多机器人包裹分拣问题，提出箱位分配与去中心化路径规划相结合的高吞吐量解决方案，在保证近最优路径效果的同时大幅降低计算时间。
2023-10-26 cs.RO
Decentralized Learning for Multi-player Multi-armed Bandits
University of Southern California（南加州大学）
针对多人多臂老虎机问题，提出了一种无需协调的分散式在线学习算法dUCB_4，实现了近O(log^2 T)的期望遗憾。
2012-06-14 cs.LG cs.SY eess.SY
A Decentralized Policy with Logarithmic Regret for a Class of Multi-Agent Multi-Armed Bandit Problems with Option Unavailability Constraints and Stochastic Communication Protocols
Sri Lanka Technological Campus（斯里兰卡科技园区）；University of Peradeniya（佩拉德尼亚大学）
本文考虑了一个多臂强盗（MAB）的问题，其中多个移动代理接收奖励的空间分散的随机过程，称为土匪的集合采样。我们的目标是为每个代理制定一个分散的政策，以最大限度地提高所有代理的总累积奖励，受选项可用性和智能体通信约束。问题的制定是出于应用程序中，一个团队的自主移动机器人合作，以完成探索和开发任务，在一个不确定的环境。盗贼位置由空间图的顶点表示。在任何时候，智能体的选择包括在其当前位置对强盗进行采样，或者沿着空间图的边缘移动到新的强盗位置。通信约束描述的有向，非平稳，随机通信图。在任何时候，代理都可以仅从其通信图内邻居接收数据。对于一个完全连通的空间图上的单个代理的情况下，它是已知的，任何最优策略的预期后悔是必然的，低于一个函数的增长作为时间的对数。一类称为置信上限（UCB）算法的政策渐近实现对数遗憾的经典MAB问题。在本文中，我们提出了一个基于UCB的分散运动和选择政策和非平稳随机通信协议，保证对数后悔。据我们所知，这是第一个这样的分散政策，非完全连接的空间图与通信约束。当空间图是完全连接的，通信图是固定的，我们的分散算法匹配或超过最好的文献报道的先前结果。
2020-03-31 cs.LG math.ST stat.ML
An Optimal Algorithm for Multiplayer Multi-Armed Bandits
KTH, Royal Institute of Technology（瑞典皇家理工学院）
本文讨论了多人多臂强盗（MMAB）问题，其中$M$决策者或玩家合作，以最大限度地提高他们的累积奖励。当多个玩家选择同一只手臂时，会发生碰撞，并且该手臂上不会收集奖励。碰撞中的玩家会被告知此碰撞。我们提出了DPE（分散式吝啬探索），分散式算法，实现了相同的遗憾，通过一个最佳的集中式算法。我们的算法比最先进的算法SIC-MMAB \cite{boursier2019}有更好的后悔保证。在SIC-MMAB中，玩家只能通过冲突进行通信。DPE的另一个重要优点是它需要很少的通信。具体来说，玩家使用碰撞进行通信的预期回合数是有限的。
2019-10-26 cs.LG stat.ML
Byzantine-Resilient Decentralized Multi-Armed Bandits
Department of Applied Mathematics and Statistics（应用数学与统计学系）；Stony Brook University（石溪大学）；J.P. Morgan AI Research（摩根大通AI研究）；Department of Computer Science（计算机科学系）；University of Colorado Boulder（科罗拉多大学波尔德分校）；Department of Electrical and Computer Engineering（电气与计算机工程系）
针对去中心化协作MAB中存在拜占庭智能体传递错误信息的问题，提出融合信息混合与极值截断的去中心化弹性UCB算法，在满足邻域规模条件下可获得优于非协作的遗憾性能，还扩展了时变图场景并给出下界，经实验验证有效。
2025-06-11 cs.LG cs.SY eess.SY
VAMP-MR: Vector-Accelerated Motion Planning and Execution for Multi-Robot-Arms
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；University of Michigan（密歇根大学）
针对多机器人手臂运动规划这一关键挑战，结合经典规划算法与矢量化碰撞检查技术，引入新运动规划器，基于CPU SIMD指令加速碰撞检查，在运动规划和执行后处理中实现加速，并发布实现降低研发门槛。
2026-07-16 cs.RO
A Decision-Language Model (DLM) for Dynamic Restless Multi-Armed Bandit Tasks in Public Health
MIT（麻省理工学院）；Harvard University（哈佛大学）；GE Healthcare（通用电气医疗）；Google（谷歌）
本文提出用于RMAB的Decision Language Model (DLM)，利用LLM作为自动化规划器解释人类语言指令并迭代生成奖励函数，从而在公共卫生场景中动态微调资源分配策略，并与ARMMAN合作通过Gemini Pro模型仿真验证了其有效性。
2024-10-25 cs.AI cs.LG cs.MA
Optimized Directed Roadmap Graph for Multi-Agent Path Finding Using Stochastic Gradient Descent
University of Stuttgart（斯图加特大学）
提出ODRM方法，通过随机梯度下降优化有向路标图顶点与边方向，减少多智能体碰撞，提升集中式和分散式规划性能。
2020-03-29 cs.AI cs.MA cs.RO
Adapting to Decision-Relevant Non-Stationarity in Decentralized Heterogeneous Bandits
针对去中心化异构老虎机中的非平稳性，提出DRFC算法，通过平衡全局比较忽略局部变化，实现无局部变化依赖的遗憾界，并验证其有效性。
2026-09-16 cs.LG
Concurrent Decentralized Channel Allocation and Access Point Selection using Multi-Armed Bandits in multi BSS WLANs
Universitat Pompeu Fabra（庞培法布拉大学）
企业无线局域网（WLAN）由覆盖给定区域的多个接入点（AP）组成。考虑到AP和站点之间的复杂依赖关系，找到能够最大限度提高企业WLAN性能的合适网络配置是一项具有挑战性的任务。最近，在无线网络中，强化学习技术的使用已经成为有效探索不同网络配置对系统性能的影响、识别提供更好性能的网络配置的有效解决方案。在本文中，我们研究如果多臂强盗（MABs）能够提供一个可行的解决方案，分散的信道分配和AP选择问题，在企业无线局域网的场景。要做到这一点，我们授权AP和站与代理，通过实施汤普森采样算法，探索和学习，这是最好的信道使用，这是最好的AP相关联，分别。我们的评估是随机生成的情况下，其中包括不同的网络拓扑结构和流量负载。所呈现的结果表明，所提出的使用MAB的自适应框架优于静态方法（即，总是使用初始默认配置，通常是随机的），而不管网络密度和业务需求。此外，我们表明，所提出的框架的使用减少了不同情况下的性能变化。结果还表明，我们实现了相同的性能（或更好）比静态策略，较少的AP相同数量的站。最后，特别注意的是如何代理人相互作用。即使代理以完全独立的方式操作，它们的决策也具有相互关联的影响，因为它们在同一组通道资源上采取行动。
2020-06-05 cs.LG stat.ML
Decentralized Asynchronous Multi-player Bandits
Northeastern University, China（东北大学）；Shanghai Jiao Tong University（上海交通大学）；Microsoft Research Asia（微软亚洲研究院）
针对无全局时钟、玩家可任意进出的去中心化异步MP-MAB问题，提出探索与利用自适应切换、低概率检测玩家离开的算法，获得次线性遗憾并经实验验证。
2025-09-30 cs.LG stat.ML
Forecast-Driven MPC for Decentralized Multi-Robot Collision Avoidance
Department of Computer Science（计算机科学系）；Maharishi International University（玛哈里什国际大学）；Electrical Engineering and Computing（电气工程与计算）；University of Zagreb（扎格雷布大学）；Eastern Illinois University（东部伊利诺伊大学）
针对IFP在对称配置中易发生碰撞和死锁的问题，提出优化扩展版本eIFP-MPC，通过引入碰撞时间启发式、基于成本的via-point选择和MPC，显著提升了去中心化多机器人路径规划在密集动态环境中的鲁棒性与轨迹效率。
2025-07-25 cs.RO
Regrasp Planning Considering Bipedal Stability Constraints
Osaka University（大阪大学）；National Inst. of AIST（产业技术综合研究所）
本文提出了一种基于质量中心（CoM）的操作和重新抓取规划器，该规划器实现稳定性约束以保持机器人平衡。该规划器提供了一个图形的IK可行的，无碰撞和稳定的运动序列，使用基于能量的运动规划算法构建。它确保装配运动稳定，并防止机器人在不同情况下执行灵巧任务时摔倒。此外，约束也被用来执行RRT启发的任务相关的稳定性估计在几个模拟。该估计可用于在单臂和双臂重握配置之间进行选择，以针对给定的操纵任务实现更高的稳定性和鲁棒性。为了验证规划器和任务相关的稳定性估计，在模拟和真实世界的实验中进行了几次测试，涉及HRP 5P人形机器人，HRP机器人家族的第5代。实验结果表明，规划器和任务相关的稳定性估计提供了鲁棒的行为人形机器人，而执行重握任务。
2018-10-14 cs.RO
Motion Planning as Online Learning: A Multi-Armed Bandit Approach to Kinodynamic Sampling-Based Planning
University of Michigan（密歇根大学）
针对kinodynamic运动规划在无转向函数时难获高质量解的问题，将采样偏置建模为非平稳多臂老虎机问题，结合kinodynamic RRT转移聚类与老虎机算法自适应采样，可更快获更优解并提升执行成功率。
2023-08-26 cs.RO
Efficient Node Selection in Private Personalized Decentralized Learning
RISE Research Institutes of Sweden（瑞典研究院）；KTH Royal Institute of Technology（瑞典皇家理工学院）；AI Sweden（瑞典人工智能）
本文提出PPDL方法，结合安全聚合与相关对抗多臂老虎机优化，在保护节点隐私的同时实现高效节点选择，并在标签偏移和协变量偏移场景下超越以往非私有方法。
2024-01-15 cs.LG
Remote ID Spoofing-Aware Trajectory Planning for Small Unmanned Aerial Systems
针对小型无人机在RID位置欺骗攻击下的轨迹规划问题，提出分散式欺骗感知框架，利用物理层观测评估广播可信度，检测定位欺骗代理，集成到规划器中，仿真显示可减少近空中碰撞事件且保持计算效率。
2026-07-23 cs.MA cs.RO
Multi-Agent Path Finding with Prioritized Communication Learning
East China Normal University（华东师范大学）；Geekplus Technology Co., Ltd.（极智嘉科技股份有限公司）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
多智能体寻路（MAPF）已被广泛用于解决大规模的现实世界的问题，例如，自动化仓库基于学习的，完全分散的框架已被引入，以减轻实时问题，同时追求最佳的规划政策。然而，现有的方法可能会产生显着更多的顶点冲突（或碰撞），这导致低成功率或更多的完工时间。在本文中，我们提出了一个优先通信学习方法（PICO），它将\textit{implicit}规划优先级到通信拓扑结构内的分散多智能体强化学习框架。隐式优先级学习模块与经典的耦合规划器相结合，形成动态的通信拓扑，并建立有效的冲突避免机制。PICO在大规模MAPF任务中的成功率和碰撞率明显优于最先进的基于学习的规划器。
2022-02-10 cs.GT cs.LG cs.MA
DREAM: Decentralized Real-time Asynchronous Probabilistic Trajectory Planning for Collision-free Multi-Robot Navigation in Cluttered Environments
NVIDIA（英伟达）；University of Southern California（南加州大学）；Amazon（亚马逊）
针对含交互动态障碍的杂乱环境，本文提出DREAM去中心化异步概率多机器人轨迹规划器，仿真和真实四旋翼实验表明其显著提升成功率并降低规划耗时。
2024-05-20 cs.RO
Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning
University of Virginia（弗吉尼亚大学）；University of California, Irvine（加州大学伊文斯顿分校）
提出一种基于约束感知扩散模型的去中心化框架SID，通过仿真邻居未来轨迹并利用安全约束规划自身轨迹，在密集场景下实现高效协调。
2026-05-26 cs.AI cs.LG cs.RO
Planning for Decentralized Control of Multiple Robots Under Uncertainty
CSAIL（计算机科学与人工智能实验室）
我们描述了一个概率框架综合控制策略一般多机器人系统，给定的环境和传感器模型和成本函数。分散式部分可观测马尔可夫决策过程（Dec-POMDPs）是决策过程的一般模型，其中一组代理必须在存在不确定性的情况下合作优化某些目标（由共享奖励或成本函数指定），但其中通信限制意味着代理不能共享其状态，因此执行必须以分散的方式进行。虽然Dec-POMDP通常难以解决现实世界的问题，但最近关于Dec-POMDP中使用宏动作的研究显着增加了可以作为Dec-POMDP实际解决的问题的大小。我们描述了这个一般模型，并展示了如何，与大多数现有的方法，专门针对一个特定的问题类，它可以合成控制策略，使用任何机会协调存在的问题，同时平衡的不确定性的结果，传感器信息，和其他代理人的信息。我们使用三个变化的仓库任务，表明这种类型的一个单一的计划可以产生合作的行为，使用任务分配，直接沟通，和信令，适当的。
2014-02-12 cs.AI cs.MA cs.RO
CAMP: Cooperative Arm-Hand Motion Planning in Constrained Spaces
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Great Bay University（大湾区大学）；China Pharmaceutical University（中国药科大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）；The Hong Kong Polytechnic University（香港理工大学）；The University of Hong Kong（香港大学）；University of Belgrade（贝尔格莱德大学）
针对受限空间中机械臂-手部协同规划难题，提出CAMP规划器，通过手部纤维表征耦合、分层搜索与VMP优化，在六个任务中实现84.2%-98.5%成功率，验证了高效性与实用性。
2026-09-25 cs.RO
