维度网讯，中国研究团队提出一种名为DPCN（Decentralized-Planning-Centralized-Negotiation）的新范式，用于解决多智能体路径规划（MAPF）问题。该范式在保持分散式方法可扩展性的同时，通过集中协商机制有效处理动态冲突，在标准基准测试中取得优于现有强化学习方法的性能。
多智能体路径规划旨在为多个智能体在共享环境中规划无冲突路径，广泛应用于自动化仓储、服务机器人调度和机场物流等领域。传统集中式规划策略在小规模问题上表现优异，但面对大规模智能体团队时计算复杂度急剧上升。基于强化学习的分散式方法虽具备可扩展性和环境适应能力，但受限于局部观测视野，容易引发阻塞、碰撞甚至死锁。
DPCN将每个时间步划分为两个阶段：在规划阶段，每个智能体基于局部观测信息 o_i^t（视野为 3×3）独立生成动作意图；在协商阶段，系统检测所有潜在冲突（包括顶点冲突和交换冲突），将涉及冲突的智能体动态聚合成“超级智能体”。通过可学习的PNSE网络（Pointer Network Special Edition），根据环境状态从冲突集中选出一名“获胜者”执行其原始意图，其余智能体保持静止或重新采样新动作。
面对超级智能体动作集不一致和动态训练困难的问题，PNSE网络受指针网络启发，能处理变长输入与不一致动作空间。研究团队提出定制化策略梯度强化学习训练机制，采用平均场近似对全局回报进行公平分配，实现对动态超级智能体的有效训练。
实验在标准MAPF基准和随机地图上进行，对比包括两类集中式规划器（ODrM*、BALANCE）和三种前沿RL方法（SCRIMP、DCC、PICO）。随机地图实验设置地图尺寸30×30至100×100、障碍密度0%至30%、智能体数量32至256，每种设置重复200次，报告成功率和任务完成步数。结果显示，DPCN在高障碍密度（30%）和大规模场景中始终维持高成功率与低任务耗时，不仅大幅领先其他RL方法，还超越了集中式规划器。
在结构化地图上评估泛化能力时，实验采用三类典型地图：尺寸32×32的多房间环境（房间尺寸3×3）、162×141的礼堂环境、170×84的仓库环境（货架通道宽度仅2个格子），每张地图包含25个问题实例。DPCN在这些复杂结构中保持高效协调大规模团队的能力。
研究团队指出，DPCN通过分散规划与集中协商的创新架构，在保持可扩展性的同时有效解决局部视野下的冲突协调难题。未来将探索在动态障碍、异构智能体及真实机器人平台上的应用。
