Asynchronous Multi-Agent Reinforcement Learning for Efficient Real-Time Multi-Robot Cooperative Exploration
Tsinghua University（清华大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Tongji University（同济大学）；Shanghai Qi Zhi Institute（上海期智研究院）
针对真实多机器人协同探索中同步假设导致的效率低下问题，本文提出异步MARL框架ACE，扩展MAPPO并引入动作延迟随机化与团队规模无关的CNN策略，在仿真和真实环境中分别减少超10%探索时间并在Habitat中提升28%效率。
2023-04-11 cs.AI cs.RO
Learning to Lead Themselves: Agentic AI in MAS using MARL
Manipal University Jaipur（斋浦尔马尼帕尔大学）
针对多智能体系统去中心化协作决策需求，本文将问题建模为协作式多智能体强化学习问题，基于PyTorch实现轻量级IPPO方法，在PettingZoo环境验证了同构无人机无显式通信自组织覆盖目标的可行性，可应用于无人机配送与仓储自动化场景。
2025-09-24 cs.AI cs.MA
Stress-Relief Annealing: Polynomial-Time Simulation-Free Layout Optimization for Automated Warehouses
Kyushu University（九州大学）；Carnegie Mellon University（卡内基梅隆大学）
针对自动化仓库布局优化现有方法样本效率低的问题，本文提出多项式时间无模拟的应力释放退火算法，大幅提升吞吐量与可扩展性，且效率远高于进化基线方法，增益可推广至多种场景。
2026-08-04 cs.AI cs.MA cs.RO
LAMARL: LLM-Aided Multi-Agent Reinforcement Learning for Cooperative Policy Generation
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）；WINDY Lab, Department of Artificial Intelligence, Westlake University（WINDY实验室，人工智能学院，西湖大学）
LAMARL将LLMs与MARL结合，自动生成先验策略和奖励函数，在形状装配任务中显著提升样本效率与任务完成度。
2025-06-03 cs.AI cs.RO
MASH: Cooperative-Heterogeneous Multi-Agent Reinforcement Learning for Single Humanoid Robot Locomotion
Faculty of Robot Science and Engineering, Northeastern University（机器人科学与工程学院，东北大学）；Guangdong Key Laboratory of Intelligent Morphing Mechanisms and Adaptive Robotics and School of Intelligence Science and Engineering, the Harbin Institute of Technology Shenzhen（智能变形机制与适应机器人重点实验室和智能科学与工程学院，哈尔滨工业大学深圳）
本文提出MASH方法，将单个人形机器人的四肢视为独立智能体并共享全局评论家进行协作-异构多智能体强化学习，有效加速了训练收敛并提升了全身协作能力，优于传统单智能体方法。
2025-08-14 cs.AI cs.RO cs.SY
From Multi-agent to Multi-robot: A Scalable Training and Evaluation Platform for Multi-robot Reinforcement Learning
The Hong Kong Polytechnic University（香港理工大学）
多智能体强化学习（MARL）在过去的几十年里得到了学术界和工业界的广泛关注。MARL的一个基本问题是如何对不同的方法进行综合评价。大多数现有的MARL方法在视频游戏或简单的模拟场景中进行评估。这些方法在现实世界的场景中，特别是多机器人系统中的表现如何仍然是未知的。本文介绍了一个可扩展的多机器人强化学习（MRRL）仿真平台SMART，以满足这一需求。准确地说，SMART由两个部分组成：1）一个仿真环境，提供了各种复杂的交互场景的培训和2）现实世界的多机器人系统的现实性能评估。此外，SMART提供了代理环境API，这些API是用于算法实现的即插即用。为了说明我们的平台的实用性，我们进行了一个案例研究的合作驾驶车道变换的情况下。在案例研究的基础上，我们总结了MRRL的几个独特的挑战，这是以前很少考虑。最后，我们开源了仿真环境、相关的基准任务和最先进的基线，以鼓励和支持MRRL研究。
2022-06-20 cs.AI cs.MA cs.RO
Solving Multi-Agent Safe Optimal Control with Distributed Epigraph Form MARL
MIT（麻省理工学院）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
针对多机器人安全协作问题，提出基于上镜图形式的分布式MARL算法Def-MARL，实现零约束违反，在仿真和真实四旋翼实验中均优于现有方法。
2025-04-21 cs.AI cs.LG cs.MA
Multi-Agent Motion Planning For Differential Drive Robots Through Stationary State Search
Carnegie Mellon University（卡内基梅隆大学）
针对差速驱动机器人运动学限制，提出三层框架MASS，结合MAPF与静止状态搜索规划器及自适应窗口机制，在单次与终身多智能体运动规划中实现高达400%的吞吐量提升。
2024-12-17 cs.AI cs.MA cs.RO
Assistax: A Multi-Agent Hardware-Accelerated Reinforcement Learning Benchmark for Assistive Robotics
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
提出Assistax基准，利用JAX硬件加速和基于多智能体强化学习的辅助机器人任务，实现高达370倍加速，并测试机器人的零样本协调能力。
2026-07-22 cs.AI cs.LG cs.MA
Learning Multi-Robot Coordination through Locality-Based Factorized Multi-Agent Actor-Critic Algorithm
University of Maryland（马里兰大学）；University of Central Florida（中佛罗里达大学）；DEVCOM US Army Research Laboratory（美国陆军DEVCOM研究实验室）
本文提出Loc-FACMAC算法，通过局部性分区和依赖图改进多智能体演员-评论家学习，在多个环境中性能优于基线，最高提升108%。
2025-03-28 cs.AI cs.RO
Learning Multi-Robot Decentralized Macro-Action-Based Policies via a Centralized Q-Net
Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院）
在许多现实世界的多机器人任务中，高质量的解决方案通常需要一组机器人在分散控制下执行异步动作。分散式多智能体强化学习方法很难学习分散式策略，因为环境似乎是非平稳的，因为其他代理也在同时学习。在本文中，我们通过提出一种基于宏动作的分散式多智能体双深度递归Q网（MacDec-MADDRQN）来解决这一挑战，该Q网使用集中式Q网进行动作选择来训练每个分散式Q网。还提出了一个具有两个独立训练环境的MacDec-MADDRQN的通用版本，称为MacDec-MADDRQN，以利用集中式或分散式探索。我们的方法的优点和实用性通过在模拟中实现接近集中的结果和使真实机器人以有效的方式完成仓库工具交付任务来证明。
2020-03-03 cs.AI cs.RO
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
Hierarchical Consensus-Based Multi-Agent Reinforcement Learning for Multi-Robot Cooperation Tasks
Beihang University（北京航空航天大学）；State Grid Corporation of China（国家电网有限公司）
提出HC-MARL框架，通过对比学习构建多层级全局共识，并结合自适应注意力机制优化多机器人协作，显著超越基线。
2024-08-23 cs.AI cs.MA cs.RO
Multi-agent Reinforcement Learning with Sparse Interactions by Negotiation and Knowledge Transfer
Nanjing University（南京大学）；University of Michigan（密歇根大学）
强化学习在多智能体系统中有着重要的应用，特别是在未知的动态环境中。然而，大多数多智能体强化学习（MARL）算法在联合状态-动作空间中存在指数计算复杂度等问题，难以扩展到现实的多智能体问题。本文提出了一种基于协商的稀疏交互MARL算法（NegoSI）。与传统的基于稀疏交互的MARL算法不同，NegoSI引入了均衡的概念，使得Agent可以选择非严格均衡支配策略（non-strict Equilibrium Dominating Strategy Profile，简称non-strict EDSP）或Meta均衡进行联合行动。NegoSI算法由四个部分组成：基于平衡的稀疏交互框架，平衡集的协商，选择一个联合行动的最小方差方法和局部Q值的知识转移。在该集成算法中，三种技术，即，采用非共享价值函数、均衡解和稀疏交互分别实现隐私保护、更好的协调和更低的计算复杂性。为了评估所提出的NegoSI算法的性能，两组实验进行了三个标准：步骤的每集（SEE），奖励的每集（REE）和平均运行时间（AR）。第一组实验使用六个网格世界游戏进行，并显示所提出的算法的快速收敛性和高可扩展性。然后在第二组实验中，NegoSI被应用到一个智能仓库的问题和模拟结果表明，提出的NegoSI算法的有效性与其他国家的最先进的MARL算法相比。
2016-03-31 cs.AI cs.MA
CH-MARL: A Multimodal Benchmark for Cooperative, Heterogeneous Multi-Agent Reinforcement Learning
Alexa AI, Amazon Inc（亚马逊公司Alexa人工智能部门）；University of Southern California（南加州大学）
我们提出了一个多模态（视觉和语言）合作和异构多智能体学习的基准。我们引入了一个基准多模态数据集，其任务涉及在丰富的多房间家庭环境中多个模拟异构机器人之间的协作。我们提供了一个集成的学习框架，最先进的多智能体强化学习技术的多模态实现，以及一致的评估协议。我们的实验研究了不同模式对多智能体学习性能的影响。我们还介绍了一个简单的代理之间的消息传递方法。研究结果表明，多模态引入了独特的挑战，合作多智能体学习和有显着的空间，在这种情况下，推进多智能体强化学习方法。
2022-08-26 cs.AI cs.CV cs.LG
ESP: Exploiting Symmetry Prior for Multi-Agent Reinforcement Learning
Beihang University（北京航空航天大学）
针对MARL数据需求大且忽略强归纳偏置的问题，提出一种与模型无关的框架，通过集成数据增强和一致性损失利用对称性先验，在多任务和物理多机器人平台上验证了有效性和优越性。
2023-08-09 cs.AI cs.LG cs.MA
Research on reinforcement learning based warehouse robot navigation algorithm in complex warehouse layout
AMA University（AMA大学）；Peking University（北京大学）；New York University（纽约大学）；University of California, Berkeley（加利福尼亚大学伯克利分校）；University of Florida（佛罗里达大学）；Georgia Institute of Technology（佐治亚理工学院）；Trine University（特莱恩大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出结合近端策略优化与Dijkstra算法的PP-D方法，用于复杂仓库布局中机器人导航，实现高效实时决策与全局最优路径规划，显著提升导航精度和系统鲁棒性。
2024-11-09 cs.AI cs.RO
Deep Reinforcement Learning-based Obstacle Avoidance for Robot Movement in Warehouse Environments
AMA University（AMA大学）；New York University（纽约大学）；University of California, Berkeley（加州大学伯克利分校）；Carnegie Mellon University（卡内基梅隆大学）；Northeastern University（东北大学）；Cornell University（康奈尔大学）；University of California, Irvine（加州大学欧文分校）；Northern Arizona University（北亚利桑那大学）
针对仓库环境中传统移动机器人避障策略反馈不佳的问题，提出一种基于深度强化学习的避障算法，通过改进价值函数网络并设计基于行人空间行为的奖励函数，实现了高效舒适的避障，仿真实验验证了其有效性。
2024-09-23 cs.AI cs.RO
Dynamic Sight Range Selection in Multi-Agent Reinforcement Learning
Department of Computer Science, National Yang Ming Chiao Tung University（国家阳明交通大学计算机科学系）；Institute of Information Science, Academia Sinica（学术院信息科学研究所）
针对多智能体强化学习的视野范围困境，提出仅基于个体视野、结合UCB算法的动态视野范围选择方法，在多环境多算法上提升性能、加速训练并增强可解释性。
2025-05-19 cs.AI cs.LG cs.MA
CAMA: Exploring Collusive Adversarial Attacks in c-MARL
Institute of Computing Technology, CAS（中国科学院计算技术研究所）；UCAS（中国科学技术大学）；Beihang University（北京航空航天大学）
本文提出CAMA框架，研究c-MARL中的共谋对抗攻击，提出三种新型攻击模式，从理论和实践角度分析攻击效果，并通过实验验证其协同效应和隐蔽性。
2026-03-20 cs.AI cs.LG
Autonomous Warehouse Robot using Deep Q-Learning
North South University（南北大学）
在仓库中，专门的代理需要导航，避免障碍物，并最大限度地利用仓库环境中的空间。由于这些环境的不可预测性，可以应用强化学习方法来完成这些任务。在本文中，我们提出使用深度强化学习（DRL）来解决机器人导航和避障问题，并使用传统的Q学习来最大限度地利用空间进行产品放置。我们首先调查的问题，为单一的机器人的情况。接下来，基于单机器人模型，我们扩展我们的系统的多机器人的情况下。我们使用Q表的策略变化来执行多智能体Q学习。我们成功地测试了我们的模型在2D仿真环境中的单机器人和多机器人的情况下的性能。
2022-02-21 cs.AI cs.LG cs.RO
PANAMA: A Network-Aware MARL Framework for Multi-Agent Path Finding in Digital Twin Ecosystems
Huawei Canada Advanced Research Center（华为加拿大高级研究中心）
针对数字孪生生态系统中多智能体寻径问题，提出基于CTDE框架和异步架构的网络感知MARL算法PANAMA，显著提升了寻径的准确率、速度和可扩展性。
2025-08-09 cs.AI cs.DC cs.LG
The Heterogeneous Multi-Agent Challenge
THALES, cortAIx Labs Canada（THALES公司，cortAIx实验室加拿大）
该论文指出异构多智能体强化学习（HeMARL）因缺乏标准化测试平台而研究不足，现有环境过于简单或异构性弱，呼吁建立类似ALE和SMAC的基准以推动进展。
2025-09-23 cs.AI cs.MA
Robust Multi-Agent Reinforcement Learning by Mutual Information Regularization
针对多智能体强化学习中现有鲁棒方法计算量大、鲁棒性不足的问题，提出无需对手的互信息正则化方法MIR3，通过最大化鲁棒性下界提升鲁棒性，在星际争霸II、机器人群控制及真实部署中均优于基线。
2024-05-21 cs.AI cs.LG
Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning
AMA University（AMA大学）；University of the People（人民大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Disney entertainment and sports LLC（迪士尼娱乐体育有限责任公司）；University of Toronto（多伦多大学）；Northwestern University（西北大学）；Northern Arizona University（北亚利桑那大学）
本研究利用深度学习和强化学习优化仓库机器人分拣系统，提升效率与准确性，降低故障率，为物流自动化提供创新解决方案。
2026-02-07 cs.AI cs.RO
STOW: Discrete-Frame Segmentation and Tracking of Unseen Objects for Warehouse Picking Robots
University of Washington（华盛顿大学）；NVIDIA（英伟达）
针对仓储等场景离散帧下未知物体分割跟踪难题，提出带高效帧间通信transformer的联合分割跟踪新范式，构建对应合成与真实数据集，实验性能显著优于现有方法。
2023-11-04 cs.AI cs.CV cs.RO
MARLIN: A Cloud Integrated Robotic Solution to Support Intralogistics in Retail
Robotics Innovation Center of German Research Center for Artificial Intelligence GmbH (DFKI)（德国人工智能研究中心机器人创新中心）；Institute for Artificial Intelligence of the University of Bremen（不来梅大学人工智能研究所）；Robotics group of the University of Bremen（不来梅大学机器人组）
本文提出服务机器人 MARLIN 与零售 AI 云平台 K4R 集成，利用语义数字孪生增强感知、导航与任务规划，并通过新型铰接式牵引-拖车导航算法提升真实补货场景表现。
2024-07-02 cs.AI cs.CV cs.RO
Distributed Reinforcement Learning for Robot Teams: A Review
National University of Singapore（新加坡国立大学）
审核目的：传感、驱动和计算方面的最新进展为由数百/数千个机器人组成的多机器人系统打开了大门，该系统在自动化制造、救灾、收获、最后一英里交付、港口/机场操作或搜索和救援方面具有广阔的应用前景。该社区利用无模型多智能体强化学习（MARL）为多机器人系统（MRS）设计高效、可扩展的控制器。这篇综述的目的是提供一个国家的最先进的分布式MARL多机器人合作的分析。最近的研究结果：分散MRS面临的基本挑战，如非平稳性和部分可观测性。建立在“集中培训，分散执行”的范式，最近的MARL方法包括独立学习，集中批评，价值分解和沟通学习的方法。合作行为通过人工智能基准和基本的现实世界机器人功能（如多机器人运动/路径规划）进行演示。摘要：本调查报告了围绕用于多机器人协作的去中心化无模型MARL和现有方法类别的挑战。我们提出了基准和机器人应用程序，并讨论了当前的研究开放途径。
2022-04-07 cs.AI cs.LG cs.MA
Causality-enhanced Decision-Making for Autonomous Mobile Robots in Dynamic Environments
University of Lincoln（林肯大学）；National Research Council of Italy（意大利国家研究 council）；University of Padua（帕多瓦大学）
本文提出基于因果推理的决策框架，通过建模因果关系帮助机器人在动态环境中更高效安全地完成任务，同时开发了PeopleFlow模拟器来评估因果方法的有效性。
2026-05-01 cs.AI cs.RO
SOCIALGYM 2.0: Simulator for Multi-Agent Social Robot Navigation in Shared Human Spaces
University of Texas, Austin（德克萨斯大学奥斯汀分校）
我们提出SocialGym 2，多智能体导航模拟器的社会机器人研究。我们的模拟器模拟多个自主智能体，在复杂的环境中复制真实世界的动态，包括门口，走廊，十字路口和环形交叉口。与传统的模拟器不同，SocialGym 2采用多智能体强化学习（MARL）来为复杂环境中具有不同动态约束的多个机器人制定最佳导航策略。SocialGym 2基于PettingZoo MARL库和Stable Baselines3 API构建，提供了一个可访问的Python接口，通过ROS消息传递与导航堆栈集成。SocialGym 2可以很容易地安装并打包在Docker容器中，它提供了交换和评估不同MARL算法的能力，以及自定义观察和奖励功能。我们还提供脚本，允许用户创建自己的环境，并使用各种社交导航算法进行基准测试，报告广泛的社交导航指标。预计托管于：https://amrl.cs.utexas.edu/social_gym/index.html
2023-03-09 cs.AI cs.MA cs.RO
NavVI: A Telerobotic Simulation with Multimodal Feedback for Visually Impaired Navigation in Warehouse Environments
Department of Computer Science and Engineering（计算机科学与工程系）；The University of Texas at Arlington（德克萨斯理工大学）
NavVI提出一种融合视觉、听觉和触觉多模态反馈的仓库遥操作仿真系统，通过导航网格与动态重规划帮助盲人和低视力用户安全操控移动机器人，为包容性工业遥操作研究提供可重复测试平台。
2025-07-20 cs.AI cs.HC
Multi-Robot Routing with Time Windows: A Column Generation Approach
University of Maryland（马里兰大学）；University of Southern California（南加州大学）；Verisk（Verisk公司）；ESG UQAM（魁北克大学蒙特利尔分校 ESG 学院）；GERAD（GERAD研究院）；University of California, Irvine（加州大学欧文分校）；Laminaar（Laminaar公司）
在仓库中执行任务的机器人提供了自动驾驶汽车在运输和物流中广泛采用的第一个例子。这些业务的效率在实践中可能差异很大，但却是供应链成功的关键因素。在这项工作中，我们考虑的问题，协调一个车队的机器人在仓库中执行拣选操作，以最大限度地提高净利润在一段时间内实现，同时尊重问题和机器人的具体限制。我们制定的问题作为一个加权的集合包装问题，考虑的元素是在仓库地板上的项目，可以拿起并在指定的时间窗口内交付。我们强制执行机器人不得碰撞的约束，每个项目最多由一个机器人拾取和交付，并且任何时候活动的机器人数量不超过可用的总数。由于一组路线是指数的输入的大小，我们攻击优化所得到的整数线性规划使用列生成，其中定价相当于解决一个基本的资源约束的最短路径问题。我们提出了一个有效的优化方案，避免考虑时间窗口内的每一个增量。我们还提出了一个启发式定价算法，可以有效地解决定价子问题。虽然这本身是一个重要的问题，有效地解决这些问题所获得的见解可以导致其他时间窗口约束车辆路径问题的新进展。
2021-03-16 cs.AI cs.RO math.OC
Learning-guided Prioritized Planning for Lifelong Multi-Agent Path Finding in Warehouse Automation
Massachusetts Institute of Technology（麻省理工学院）
本文提出RL-RH-PP框架，结合强化学习与搜索规划，提升仓库自动化中多智能体路径寻找的效率与适应性。
2026-03-25 cs.AI cs.RO
Arbitrarily Scalable Environment Generators via Neural Cellular Automata
Carnegie Mellon University（卡内基梅隆大学）；University of Southern California（南加州大学）
本文提出用质量多样性算法优化神经细胞自动机环境生成器，在小环境训练后生成任意大规模环境，从而提升多机器人系统可扩展性，并在最多2350个机器人的两个领域验证了效果。
2023-10-28 cs.AI cs.MA cs.NE
HALO: Learning Human-Robot Collaboration via Heterogeneous-Agent Lyapunov Policy Optimization
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
针对人机协作中人类行为多样性和环境变化导致的泛化与鲁棒性问题，提出异质智能体李雅普诺夫策略优化（HALO）框架，通过李雅普诺夫收缩稳定去中心化多智能体强化学习，并利用最优二次投影修正梯度，实现理性差距的单调收缩，提升协作性能。
2026-05-31 cs.AI cs.RO
Heterogeneous Multi-Robot Reinforcement Learning
University of Cambridge（剑桥大学）
多机器人的物理和行为特征的异质性有利于多机器人协作任务的实现。尽管如此，传统的多智能体强化学习（MARL）框架缺乏明确适应策略异构性的能力，并且通常限制代理共享神经网络参数。这种强制的同质性限制了任务从异构行为中受益的情况下的应用。在本文中，我们明确了异质性在MARL政策中的作用。为此，我们引入异构图神经网络近端策略优化（HetGPPO），训练异构MARL策略，利用图神经网络可区分的智能体通信的范例。HetGPPO允许通信代理学习异构行为，同时在部分可观察的环境中实现完全分散的训练。我们补充这一点与分类的概述，暴露更多的异质性类比以前确定的。为了激励我们的模型的需要，我们提出了一个技术的表征，同质模型可以利用模仿异构行为，并显示这种“明显的异质性”是脆弱的，在现实世界的条件。通过模拟和真实世界的实验，我们表明：（i）当同质方法由于强烈的异构要求而失败时，HetGPPO成功了，（ii）当同质方法能够学习明显的异构行为时，HetGPPO对训练和部署噪声都具有更高的弹性。
2023-01-17 cs.AI cs.LG cs.MA
Learning Efficient and Fair Policies for Uncertainty-Aware Collaborative Human-Robot Order Picking
Eindhoven University of Technology（埃因霍温理工大学）；Vanderlande Industries B.V.（范德兰德工业有限公司）
针对人机协作订单拣选的随机分配优化问题，提出基于图建模的多目标DRL方法，兼顾效率与公平性，性能优于基准且具备跨仓库规模的迁移能力。
2024-04-09 cs.AI cs.LG cs.RO
Visual Foresight for Robotic Stow: A Diffusion-Based World Model from Sparse Snapshots
Amazon, Seattle, US（亚马逊（美国西雅图））
FOREST通过基于稀疏快照的扩散模型，提升仓库存取操作的预测精度，为仓储规划提供有效预见信号。
2026-02-12 cs.AI cs.CV cs.RO
Together We Rise: Optimizing Real-Time Multi-Robot Task Allocation using Coordinated Heterogeneous Plays
TCS Research（塔塔咨询服务研究中心）
针对动态仓库中的实时多机器人任务分配问题，提出双智能体强化学习框架MRTAgent，结合改进LQR控制器，在支持连续运动的同时优化任务分配与机器人选择，以最小化行驶距离和延迟。
2025-02-22 cs.AI cs.LG cs.MA
Multi-Agent Reinforcement Learning: A Selective Overview of Theories and Algorithms
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Princeton University（普林斯顿大学）
近年来，强化学习在解决机器学习中的各种顺序决策问题方面取得了巨大的成功。大多数成功的RL应用程序，例如，围棋和扑克、机器人和自动驾驶的游戏涉及多于一个单个代理的参与，其自然落入多代理RL（MARL）的领域，该领域具有相对较长的历史，并且最近由于单代理RL技术的进步而重新出现。虽然在经验上取得了成功，但在文献中，MARL的理论基础相对缺乏。在本章中，我们提供了一个选择性的概述MARL，重点是算法支持的理论分析。更具体地说，我们主要在两个代表性的框架，马尔可夫/随机游戏和扩展形式的游戏，根据他们解决的任务类型，即，完全合作，完全竞争，以及两者的混合。我们还介绍了这些算法的几个重要的，但具有挑战性的应用。正交现有的审查MARL，我们突出了几个新的角度和MARL理论的分类，包括学习的广泛形式的游戏，分散的MARL与网络代理，MARL在平均场制度，（非）收敛的基于政策的方法在游戏中学习，等一些新的角度推断，从我们自己的研究努力和兴趣。本章的总体目标是，除了对该领域的现状进行评估外，还要确定MARL理论研究的未来研究方向。我们希望本章能够继续激励那些对这个令人兴奋而又充满挑战的主题感兴趣的研究人员。
2021-04-28 cs.AI cs.LG cs.MA
AnyBox: Efficient Zero-Shot 9DoF Pose Estimation of Boxes for Robotic Manipulation
Huawei Technologies Canada（华为加拿大技术有限公司）
Box6D通过类别级CAD模板实现仓库存储箱的零样本6D姿态估计，提升精度并减少76%的推理时间。
2026-09-04 cs.AI cs.CV cs.LG
