Strategic Demand-Planning in Wireless Networks: Can Generative-AI Save Spectrum and Energy?
Carleton University（卡尔顿大学）；Ankara Yıldırım Beyazıt University（安卡拉耶尔德勒姆贝亚兹特大学）
本文提出无线网络中通过需求标记、塑造和重调度实现战略需求规划的概念，将生成式AI（GenAI）用于需求塑造以压缩转换内容，提升多场景性能并节省频谱和能源，且其实施因AI进展更可行。
2024-12-01 cs.AI cs.NI
Strategic Intelligence in Large Language Models: Evidence from evolutionary Game Theory
King’s College London（伦敦国王学院）；University of Oxford（牛津大学）
本文通过首次演化迭代囚徒困境锦标赛，发现大型语言模型具有战略智能，并揭示不同公司模型在合作、报复与宽容上的稳定战略指纹。
2025-07-03 cs.AI cs.CL cs.GT
DAWN-ICL: Strategic Planning of Problem-solving Trajectories for Zero-Shot In-Context Learning
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院）
DAWN-ICL将零样本上下文学习建模为规划问题，利用演示感知的蒙特卡洛树搜索战略规划问题求解轨迹，并设计演示感知Q值函数提升估计效率，在域内与跨域场景中超越人工标注ICL。
2025-03-09 cs.CL
PromptAgent: Strategic Planning with Language Models Enables Expert-level Prompt Optimization
UC San Diego（加州大学圣地亚哥分校）；Georgia Institute of Technology（佐治亚理工学院）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Microsoft Research（微软研究院）；Carnegie Mellon University（卡内基梅隆大学）
提出 PromptAgent，将提示词优化建模为基于 Monte Carlo tree search 的战略规划，通过错误反思与反馈迭代搜索专家级提示词，并在 12 项任务中显著优于现有基线。
2023-12-07 cs.CL
Tracing LLM Reasoning Processes with Strategic Games: A Framework for Planning, Revision, and Resource-Constrained Decision Making
针对现有LLM基准忽略中间推理步骤的问题，研究提出基于策略博弈的评估框架，从规划、修正、资源受限决策三维度并设多指标测试，发现过度修正与成功率负相关，凸显评估推理过程的重要性。
2025-06-13 cs.AI
Strategic Planning and Rationalizing on Trees Make LLMs Better Debaters
Carnegie Mellon University（卡内基梅隆大学）
TreeDebater通过引入树状结构提升辩论策略，实现辩论说服力和胜率的显著提升。
2025-12-19 cs.CL
GRASP: Generating, Revising, and Assessing for Strategic Planning with Agentic AI
University of Maryland, College Park（马里兰大学帕克分校）；NEC Laboratories America, Inc.（NEC美国实验室公司）
GRASP是一个策略感知的多阶段规划框架，通过解耦生成、修订和评估模块，显著提升了复杂任务中LLM的规划准确率，并在多任务场景下消除了性能下降。
2026-09-25 cs.AI cs.CL cs.LG
Agents of Change: Self-Evolving LLM Agents for Strategic Planning
University of California, Santa Barbara（加州大学圣巴巴拉分校）
针对LLM智能体在长时程对抗环境中难以维持连贯策略的问题，提出持续学习多智能体系统HexMachina，通过分离环境发现与策略改进，在卡坦岛游戏中实现54%胜率超越最强基线，将LLM转化为稳定的策略设计者。
2025-10-13 cs.AI
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 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
Strategic Evaluation of Planning Strategies for LLM Agents in Cyber-Physical Systems
BARCELONA Supercomputing Center（巴塞罗那超级计算中心）；LUXEMBOURG Institute of Science and Technology（卢森堡科学技术学院）
本研究针对网络物理系统，构建含40个异构产消者的智能电网基准，评估4种LLM规划架构，发现架构影响结果，应用截止可行性可显著降低遗憾。
2026-10-07 cs.AI cs.MA cs.SY
Can Vibe Coding Beat Graduate CS Students? An LLM vs. Human Coding Tournament on Market-driven Strategic Planning
University of Southampton（苏塞克斯大学）；University of Oxford and Alan Turing Institute（牛津大学和艾伦·图灵研究所）
本文提出一个基于现实物流优化问题（拍卖、取件和送货问题）的多智能体推理驱动基准，该问题结合了竞争拍卖与容量受限路由。研究通过比较40个LLM编码代理与17个人类编码代理在12场双打全部比赛和约4万场比赛中的表现，揭示了人类编码代理在战略规划和优化任务中的优势，以及LLM在现实世界中生成有效代码的能力不足。
2025-11-25 cs.AI cs.LG cs.MA
Decentralized Cooperative Planning for Automated Vehicles with Hierarchical Monte Carlo Tree Search
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；FZI Research Center for Information Technology（FZI信息技术研究中心）
今天的自动驾驶汽车缺乏与他人进行隐性合作的能力。本文提出了一种基于蒙特卡罗树搜索（MCTS）的方法，用于异构环境中自动驾驶汽车的分布式协作规划。基于其他代理和解耦UCT（MCTS的一个变种）的合作建模，该算法评估的状态动作值的每个代理在一个合作和分散的方式，明确地建模交通参与者之间的相互依赖的行动。宏操作允许在多个时间步长上的时间扩展，并增加有效的搜索深度，需要更少的迭代来规划更长的视野。没有预定义的宏动作的策略，该算法同时学习宏动作上和宏动作内的策略。该方法在几种冲突场景下进行了评估，表明该算法可以在异构环境中实现有效的协同规划与学习的宏动作。
2018-07-25 cs.AI
Cooperative Multi-Agent Planning: A Survey
Czech Technical University in Prague（布拉格捷克理工大学）
合作多智能体规划（MAP）是一个相对较新的研究领域，它结合了人工智能规划和多智能体系统社区开发的技术、算法和技术。虽然规划通常被视为一个单一的代理任务，MAP概括了这一概念，考虑多个智能代理合作开发一个行动过程，满足组的目标。本文回顾了最相关的MAP方法，重点关注参加2015年分布式和多智能体规划竞赛的求解器，并根据其关键特征和相对性能对其进行分类。
2017-11-24 cs.AI cs.MA
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
Cooperative Multi-Agent Path Finding: Beyond Path Planning and Collision Avoidance
Technion（以色列理工学院）
我们介绍了合作多智能体路径寻找（Co-MAPF）问题，经典的MAPF问题的扩展，其中合作行为被纳入。在这种设置中，一组自主智能体在共享环境中操作，并且必须完成协作任务，同时避免与组中的其他智能体发生冲突。这个扩展自然地模拟了许多现实世界的应用程序，其中需要多组代理进行协作以完成给定的任务。为此，我们对Co-MAPF问题进行了形式化，并引入了基于冲突的协作搜索（Co-CBS），这是一种基于CBS的算法，用于为广泛的Co-MAPF问题最佳地解决该问题。Co-CBS使用集成到CBS中的协作规划模块，使得协作规划与路径规划解耦。最后，我们提出了实证结果几个MAPF基准证明我们的算法的属性。
2021-05-23 cs.AI cs.MA cs.RO
Reliable Intersection Control in Non-cooperative Environments
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Toyota InfoTechnology Center（丰田信息技术中心）
本文提出一种可靠交叉口控制机制，用于非合作环境中的战略自主和联网车辆。通过分析车辆的战略行为，确定纳什均衡，并识别社会最优均衡以实现公平分配。
2018-02-22 cs.AI cs.GT cs.SY
Strategic Positioning in Tactical Scenario Planning
Defence, Science and Technology Organisation（国防科学技术组织）；University of New Edinburgh（新爱丁堡大学）
能力规划问题在人类感兴趣的许多领域都很普遍，在国防和安全领域都有突出的例子。规划为优化提供了一个独特的背景，尚未详细探讨，涉及许多有趣的挑战，这些挑战与传统的优化研究不同。规划问题的解决方案，可以满足多个规模的鲁棒性，适应性，风险等相关的竞争目标的场景方法是一个关键的规划方法。可以为长期和短期计划定义情景。本文介绍了基于计算的规划问题，并提出了在战术规划域中适应战略定位的方法。我们展示了一个资源规划问题，解决了多目标进化算法的方法。我们的讨论和结果突出了这样一个事实，即基于网络的规划自然是在一个多目标的设置框架。然而，相互冲突的目标发生在不同的系统层面，而不是在一个单一的系统。本文还认为，规划问题是至关重要的利益，在许多人类的努力和演化计算可能会很好地定位为这个问题域。
2009-07-02 cs.AI cs.NE
FMAP: Distributed Cooperative Multi-Agent Planning
提出了一种集规划与协调于一体的全分布式多智能体规划方法FMAP（Forward Multi-Agent Planning）。虽然FMAP是专门针对解决问题，需要代理之间的合作，域独立的规划模型的灵活性，允许FMAP来处理任何类型的多代理规划任务。在FMAP中，智能体通过一个完整的、灵活的前向链偏序规划器建立精化计划来共同探索计划空间。搜索引导$h_{DTG}$，一种新的启发式功能，是基于域转移图和前沿状态的概念，并优化，以评估计划在分布式环境中。FMAP中的代理应用高级隐私模型，该模型允许他们充分保留私人信息，同时仅传达与每个参与代理相关的细化计划的数据。实验结果表明，FMAP是一种通用的方法，有效地解决了紧耦合的领域，有专门的代理和合作的目标，以及松耦合的问题。具体而言，实证评估表明，FMAP优于目前的MAP系统在解决复杂的规划任务，是适应国际规划竞赛基准。
2015-01-28 cs.AI
Decentralized Cooperative Planning for Automated Vehicles with Continuous Monte Carlo Tree Search
FZI Research Center for Information Technology（FZI信息技术研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
城市交通场景通常需要交通参与者之间的高度合作，以确保安全和效率。通过观察他人的行为，人类可以推断出他人是否在合作。这项工作旨在扩展自动驾驶汽车的能力，使它们能够在异构环境中进行隐式合作。连续的行动允许任意的轨迹，因此适用于更广泛的一类问题比现有的合作方法与离散的行动空间。蒙特卡罗树搜索（MCTS）结合解耦UCT，基于其他智能体的合作建模，以合作和分散的方式评估每个智能体的行动值，尊重交通参与者之间的相互依赖性。连续动作空间的扩展是通过将新的MCTS特定的增强有效的搜索空间探索。在不同的场景下对该算法进行了评估，结果表明该算法能够实现有效的协同规划，并生成自我中心规划无法识别的解。
2018-09-10 cs.AI cs.RO
Parallel Algorithm for Approximating Nash Equilibrium in Multiplayer Stochastic Games with Application to Naval Strategic Planning
Ganzfried Research（甘茨弗里德研究公司）；Arctan, Inc.（阿克坦公司）
许多现实世界的域包含多个代理的行为策略与概率的过渡和不确定的（潜在的无限）的持续时间。这样的设置可以被建模为随机游戏。虽然已经开发了用于求解的算法（即，计算博弈论解的概念，如纳什均衡）两人零和随机博弈，非零和和多人随机博弈的算法研究是有限的。我们提出了一个新的算法，这些设置，这构成了第一个多人随机游戏的并行算法。我们提出了一个4人随机游戏的海军战略规划方案的实验结果，表明我们的算法能够快速计算策略构成纳什均衡到一个非常小的程度的近似误差。
2020-03-13 cs.AI cs.CR cs.GT
Applying Strategic Multiagent Planning to Real-World Travel Sharing Problems
Czech Technical University in Prague（布拉格捷克理工大学）；The University of Edinburgh（爱丁堡大学）
旅行共享，即，寻找可由具有不同出发点和目的地的多个旅行者共享的部分路线的问题是复杂的多代理问题，需要考虑各个代理的偏好以提出相互可接受的联合计划。在本文中，我们应用国家的最先进的规划技术，以现实世界的公共交通数据，以评估多智能体规划技术在这一领域的可行性。提升出行共享技术的潜在应用价值，由于其能够减少出行对环境的影响，同时为出行者提供福利，因此具有很大的应用价值。我们提出了一个三阶段的算法，利用性能单代理规划者找到个人计划在一个简化的域第一，然后合并它们使用最佳响应规划器，确保得到的解决方案是单独的理性，然后将得到的计划映射到整个时间规划域，以安排实际的旅程。我们的算法在现实世界中的评估，多模式的公共交通数据为英国显示线性可扩展性的情况下的大小和代理商的数量，在总成本的提高，确定的可行的时间表的百分比，这些旅程和延长之间的权衡。我们的系统构成了战略多智能体规划算法在大规模领域的第一次实施，并提供了深入了解工程过程中的翻译一般域独立的多智能体规划算法到现实世界中的应用。
2013-01-02 cs.AI
Fast Exploration with Simplified Models and Approximately Optimistic Planning in Model Based Reinforcement Learning
Stanford University（斯坦福大学）
人类学习玩视频游戏的速度明显快于最先进的强化学习（RL）算法。人们似乎建立简单的模型，易于学习，以支持规划和战略探索。受此启发，我们研究了利用基于模型的RL提高样本效率的两个问题。首先，我们研究如何进行战略探索时，精确的规划是不可行的，经验表明，乐观的蒙特卡罗树搜索优于后验抽样方法。其次，我们展示了如何学习简单的确定性模型，以支持使用对象表示的快速学习。我们说明了这些想法的好处，通过引入一种新的算法，战略面向对象的强化学习（SOORL），在陷阱的游戏中表现优于国家的最先进的算法！在不到50集里。
2018-11-26 cs.AI
Strategic Planning for Network Data Analysis
Arizona State University（亚利桑那州立大学）；IBM T. J. Watson Research Center（IBM托马斯·J·沃森研究中心）
随着用于网络安全、恶意软件检测和其他关键任务的网络流量监控软件变得越来越自动化，警报和支持数据收集的速度以及底层模型的复杂性经常超过人类的处理能力。这些应用程序中的许多需要复杂的模型和组成规则，以便提出影响整个系统运行的决策。在本文中，我们激发了新的“战略规划”问题-从世界上收集数据，并应用域的底层模型，以提出将以自动化的方式监控系统的决策之一。我们描述了我们使用的自动规划方法来解决这个问题，包括我们用来解决它的方式，将扩展到一个实时的需求，现实世界的情况下的技术。然后，我们提出了一个PDDL模型的一个这样的应用场景相关的网络管理和监控，然后由一个新的集成系统，该系统是建立接受生成的计划，并继续执行过程中的描述。最后，我们提出了两个不同的自动化规划和他们不同的能力与我们的集成系统，无论是在六个月的网络数据窗口，并使用模拟器的评估。
2013-05-12 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
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
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
Achieving mouse-level strategic evasion performance using real-time computational planning
Northwestern University（西北大学）
计划是一种非凡的能力，大脑可以想象并制定可能的未来。使用传统的规划模型，计算机科学家试图复制这种能力，取得了一定程度的成功，但最终面临着一个反复出现的限制：随着计划的逐步发展，不同的可能未来的数量使得确定正确的行动顺序以达到目标状态变得非常困难。基于先前关于动物生态如何支配空间规划价值的理论工作，我们开发了一种更有效的生物启发规划算法TLPPO。该算法使我们能够实现mouselevel捕食者逃避性能的数量级少的计算比一个广泛的算法规划的情况下，部分可观察性，典型的捕食者-猎物的相互作用。我们将使用TLPPO的实时的【形】代理的性能与活老鼠的性能进行了比较，所有这些老鼠的任务都是躲避机器人捕食者。我们预计这些结果将有助于规划算法的用户和开发人员，以及神经科学领域的机器人与动物的互动可以提供一个有用的方法来研究复杂的行为的基础。
2022-11-09 cs.AI q-bio.NC
Automated Tactical Decision Planning Model with Strategic Values Guidance for Local Action-Value-Ambiguity
Technion - Israel Institute of Technology（以色列理工学院）
在许多现实世界的规划问题中，行动的影响因地点、时间和行动应用的背景而异。在不同的上下文或状态下具有相同效果的相同动作可能导致不同的变化。在不完整的前提条件清单中，适用于几个国家和情况的行动，即使在小领域，关于行动影响的模糊性也是具有挑战性的。为了估计行动的实际影响，对效果列表的评估是不够的;相对估计提供的信息更多，适合于估计行动的实际影响。最近关于超额订购计划（OSP）的工作将行动的净效用定义为行动引起的状态价值的净变化。行动净效用的概念允许对价值行动的影响有更广泛的视角，并考虑到国家间和国家内的依赖关系，用于更准确地评估行动的成就。在复杂现实中实现价值理性决策往往需要战略性的、高层次的、具有全局视角和价值观的规划，而许多局部战术决策需要实时信息来估计行动的影响。本文提出了一种离线的行动价值结构分析，利用行动的净效用的复杂表示的信息性，将规划的范围扩展到价值不确定性场景，并提供一个实时的价值理性决策规划工具。离线预处理阶段的结果是一个紧凑的决策规划模型表示灵活，本地推理的净效用的行动（离线）值的模糊性。所获得的灵活性是有益的在线规划阶段和实时执行的行动与价值模糊。我们的实证评估表明，这种方法的有效性，在其行动价值结构的价值模糊的域。
2018-11-30 cs.AI
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 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
Bidirectional Task-Motion Planning Based on Hierarchical Reinforcement Learning for Strategic Confrontation
School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学）；Advanced Research Institute of Multidisciplinary Sciences and State Key Laboratory of CNS/ATM, Beijing Institute of Technology（多学科科学先进研究院和 CNS/ATM 国家重点实验室，北京理工大学）
本文提出基于分层强化学习的双向任务-运动规划方法，通过层次间动态交互、交叉训练和轨迹预测模型，在战略对抗中实现超过80%胜率和低于0.01秒决策时间，优于现有方法。
2025-08-27 cs.AI cs.RO
A Data-Driven Discretized CS:GO Simulation Environment to Facilitate Strategic Multi-Agent Planning Research
USC Institute for Creative Technologies（USC创意技术研究所）；Dept. of Computer Science University of Southern California（计算机科学系大学南加州大学）；U.S. Army Combat Capabilities Development Command（美国陆军作战能力发展指挥部）
本文提出DECOY多智能体模拟器，通过航点系统离散化状态与动作，并结合基于真实CS:GO比赛数据训练的神经模型，以低计算成本实现高保真策略性规划模拟。
2025-09-19 cs.AI cs.LG cs.MA
Optimizing Group Utility in Itinerary Planning: A Strategic and Crowd-Aware Approach
本文提出策略性与人群感知行程推荐算法SCAIR，通过将路线推荐建模为马尔可夫决策过程并设计状态编码机制，实现线性时间内的实时规划与分配，有效解决自私路由问题并优化群体效用。
2023-09-10 cs.AI cs.MA
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
Strategic Planning in Air Traffic Control as a Multi-objective Stochastic Optimization Problem
Thales Air Systems（泰雷兹空中系统公司）；TAO；Thales Research & Technology（泰雷兹研究与技术公司）；INRIA Saclay（法国国家信息与自动化研究所萨克雷中心）
为了应对不断增长的空中交通量带来的空域拥堵问题，我们建议在空中交通管制的战略阶段制定一个协同工作计划。通过本文提出的一种新的决策支持工具获得的计划包括一个时间表的控制器，它指定的时间飞越不同的航路点的飞行计划。为了做到这一点，我们认为，决策支持工具应直接建模的不确定性，在轨迹水平，以传播的不确定性，以部门的水平。然后，可以计算空域中任何扇区的拥塞概率。由于空中交通管制和扇区拥挤是对立的，我们设计并实现了一个多目标优化算法来确定这两个标准之间的最佳权衡。该解决方案作为一组替代品的多部门规划者的拥挤成本的严重程度是可调的。本文采用非支配排序遗传算法（NSGA-II）求解了一个涉及24架飞机和11个扇区的人工基准问题，并能很好地逼近Pareto前沿。
2013-09-16 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
A Unified Framework for Planning in Adversarial and Cooperative Environments
Arizona State University（亚利桑那州立大学）
人工智能系统的用户可以依靠它们来制定实现预期目标的计划。这样的人工智能系统应该能够计算模糊的计划，在对抗情况下执行这些计划可以保护隐私，以及在合作情况下团队成员容易理解的清晰计划。我们开发了一个统一的框架，解决这些双重问题的计算计划，从一个部分知情的观察员的角度来看，具有所需的可理解性水平。对于对抗性设置，我们的方法产生模糊计划，其观察结果与一组诱饵目标中的至少k个目标一致。通过稍微改变我们的框架，我们提出了一种方法，在合作设置的目标易读性，产生计划，实现一个目标，同时符合最多j个目标，从一组混杂的目标。此外，我们展示了如何观察者的可观测性可以控制，以混淆或澄清计划中的下一个行动时，目标是已知的观察者。我们提出的理论结果，我们的问题的复杂性分析。我们演示了使用物理机器人Fetch在烹饪域中执行模糊和清晰的计划。我们还提供了一个实证评估，以显示我们的方法使用IPC域的可行性和实用性。
2018-07-26 cs.AI
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
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
A taxonomy of strategic human interactions in traffic conflicts
University of Waterloo（滑铁卢大学）
为了使自动驾驶汽车（AV）能够在繁忙的交通状况下导航，近年来，人们一直关注用于自动驾驶汽车战略行为规划的博弈论模型。然而，缺乏共同的分类阻碍了更广泛的理解模型生成的策略，以及安全规范的发展，以确定什么策略是安全的AV执行。基于交通冲突中常见的互动模式，我们开发了一个分类的战略互动沿代理的初始响应权的方式规则和随后的响应其他代理的行为的维度。此外，我们展示了自动映射的过程中产生的战略规划师的分类类别，车辆和车辆-行人的互动模拟的基础上，我们评估两个流行的解决方案的概念，用于战略规划中的AV，QLk和子游戏完美$ε$ -纳什均衡，相对于这些类别。
2021-09-29 cs.AI cs.GT
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
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
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
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
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
Path Planning Games
Vanderbilt University（范德堡大学）
路径规划是机器人控制中的一个基本和广泛探索的问题。我们提出了一个新的经济角度的路径规划。具体来说，我们研究战略之间的互动路径规划代理使用博弈论路径规划框架。我们的重点是两个重要目标之间的经济紧张关系：代理人实现其目标的效率和安全性。我们首先开发一种新的数学公式的路径规划，权衡这些目标，当其他代理的行为是固定的。然后，我们使用这个公式近似纳什均衡的路径规划游戏，以及开发一个多智能体合作的路径规划制定。通过几个案例研究，我们表明，在一个路径规划游戏，安全性往往是显着妥协相比，合作的解决方案。
2019-10-30 cs.AI cs.GT cs.MA
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
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
Generalized dynamic cognitive hierarchy models for strategic driving behavior
University of Waterloo（滑铁卢大学）
本文提出通用动态认知层次模型，用于建模自然驾驶行为和自动驾驶车辆的行为规划，通过自动机策略和稳健响应解决有限理性和共同知识假设问题。
2022-03-23 cs.AI cs.GT cs.MA
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
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
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
