ePH-MAPF proporciona un flujo de trabajo eficiente para calcular rutas sin colisiones para decenas a centenas de agentes en mapas basados en cuadrícula. Utiliza heurísticas priorizadas, técnicas de búsqueda incremental y métricas de coste personalizables (Manhattan, Euclidiana) para equilibrar velocidad y calidad de la solución. Los usuarios pueden seleccionar diferentes funciones heurísticas, integrar la biblioteca en sistemas de robótica basados en Python, y evaluar el rendimiento en escenarios estándar de MAPF. El código es modular y bien documentado, permitiendo a investigadores y desarrolladores extenderlo para obstáculos dinámicos o entornos especializados.
Características principales de ePH-MAPF
Heurísticas priorizadas eficientes
Múltiples funciones heurísticas
Planificación incremental de rutas
Evitar colisiones
Escalable a cientos de agentes
Implementación modular en Python
Ejemplos de integración con ROS
Pros y Contras de ePH-MAPF
Desventajas
No se proporciona información explícita sobre costos o modelo de precios.
Información limitada sobre el despliegue en entornos reales o problemas de escalabilidad fuera de entornos simulados.
Ventajas
Mejora la coordinación multiagente a través de mejoras selectivas en la comunicación.
Resuelve eficazmente conflictos y bloqueos utilizando decisiones basadas en valores Q priorizados.
Combina políticas neuronales con orientación experta de agente único para una navegación robusta.
Utiliza un método ensamblado para muestrear las mejores soluciones de múltiples solucionadores, mejorando el rendimiento.
Código abierto disponible que facilita la reproducibilidad y la investigación futura.