代码空间策略搜索用于多智能体路径规划

Matthias Eder 等提出一种由人类引导的工作流，让编码智能体在代码空间中迭代提出、实现、评估、诊断并改进多智能体路径规划算法，结合仿真反馈与显式正确性验证。论文称，在 2024 League of Robot Runners 竞赛的一张挑战地图上，两天搜索得到的策略在最密集实例上比本地复现的更强参赛方案高 35.0%，并能泛化到未见过的地图；在含不规则车道、连续机器人几何与异步运动的模拟仓库中，一周搜索发现一类新算法，吞吐量比一套经校准的专有方案高 58.9%。作者还称，在既定假设下证明该新算法无碰撞，且每个未被撤回或替换的已接受目标都能在有限时间内完成。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。