Engineering LaCAM$^\ast$: Towards Real-Time, Large-Scale, and Near-Optimal Multi-Agent Pathfinding

要約

この文書では、最近提案された LaCAM* アルゴリズムの機能強化を通じて、リアルタイム、大規模、最適に近いマルチエージェント パスファインディング (MAPF) の課題に取り組みます。
LaCAM* は、累積的な移行コストに対する最適なソリューションの最終的な発見を保証する、スケーラブルな検索ベースのアルゴリズムです。
さまざまな最先端の MAPF 手法を上回る、優れた計画成功率を示していますが、初期のソリューションの品質は最適とは程遠く、最適な状態への収束速度は遅いです。
これらの制限を克服するために、このホワイトペーパーでは、他の MAPF 手法から部分的にインスピレーションを得て、いくつかの改善手法を紹介します。
私たちは、これらの技術を融合することで LaCAM* のソリューション品質が大幅に向上し、MAPF アルゴリズムの限界をさらに押し上げるという経験的証拠を提供します。

要約(オリジナル)

This paper addresses the challenges of real-time, large-scale, and near-optimal multi-agent pathfinding (MAPF) through enhancements to the recently proposed LaCAM* algorithm. LaCAM* is a scalable search-based algorithm that guarantees the eventual finding of optimal solutions for cumulative transition costs. While it has demonstrated remarkable planning success rates, surpassing various state-of-the-art MAPF methods, its initial solution quality is far from optimal, and its convergence speed to the optimum is slow. To overcome these limitations, this paper introduces several improvement techniques, partly drawing inspiration from other MAPF methods. We provide empirical evidence that the fusion of these techniques significantly improves the solution quality of LaCAM*, thus further pushing the boundaries of MAPF algorithms.

arxiv情報

著者 Keisuke Okumura
発行日 2023-08-08 14:36:58+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.MA, cs.RO パーマリンク