密なマルチエージェント経路探索のためのグラフアテンション誘導検索

本稿では、密なマルチエージェント経路探索（MAPF）問題に対する近似最適解をリアルタイムで見つけることが依然として難しい中、グラフアテンションを利用した神経ネットワークポリシーMAGATから得た学習されたヒューリスティックを、LaCAMという先進的な探索アルゴリズムに統合したハイブリッドフレームワークを開発したLaGATを提案します。従来の研究がMAPFにおける学習誘導検索を探求したものの、期待通りの成果を上げられなかったのに対し、我々のアプローチは密なシナリオにおいて純粋な探索ベースおよび純粋な学習ベースの手法を上回りました。これは、強化されたMAGATアーキテクチャ、関心のあるマップに対する事前トレーニングと微調整戦略、及び不完全な神経誘導に対応するためのデッドロック検出スキームを通じて実現されています。結果として、ハイブリッド検索が密接に連携した複雑なマルチエージェント調整問題に強力な解決策を提供することを示しています。