Heuristiques prioritaires efficaces MAPF (ePH-MAPF) calcule rapidement des chemins multi-agents sans collision dans des environnements complexes en utilisant la recherche incrémentielle et des heuristiques.
ePH-MAPF fournit un pipeline efficace pour calculer des chemins sans collision pour des dizaines à des centaines d'agents sur des cartes basées sur une grille. Il utilise des heuristiques prioritaires, des techniques de recherche incrémentielle et des métriques de coût personnalisables (Manhattan, Euclidéenne) pour équilibrer rapidité et qualité de la solution. Les utilisateurs peuvent choisir parmi différentes fonctions heuristiques, intégrer la bibliothèque dans des systèmes robotiques Python, et benchmarker la performance sur des scénarios MAPF standards. Le code est modulaire et bien documenté, permettant aux chercheurs et développeurs de l’étendre pour des obstacles dynamiques ou des environnements spécialisés.
Fonctionnalités principales de ePH-MAPF
Heuristiques prioritaires efficaces
Multiple fonctions heuristiques
Planification de parcours incrémentielle
Évitement des collisions
Evolutif jusqu’à des centaines d’agents
Implémentation modulaire en Python
Exemples d’intégration ROS
Avantages et inconvénients de ePH-MAPF
Inconvénients
Aucune information explicite sur les coûts ou le modèle de tarification n'est fournie.
Informations limitées sur le déploiement dans le monde réel ou les problèmes de scalabilité en dehors des environnements simulés.
Avantages
Améliore la coordination multi-agents grâce à des améliorations de communication sélective.
Résout efficacement les conflits et les impasses en utilisant des décisions basées sur la valeur Q prioritaire.
Combine des politiques neuronales avec des conseils experts d'agents uniques pour une navigation robuste.
Utilise une méthode d'ensemble pour échantillonner les meilleures solutions parmi plusieurs solveurs, améliorant les performances.
Code open source disponible facilitant la reproductibilité et la recherche ultérieure.