[论文解读] Tracking Progress in Multi-Agent Path Finding

Bojie Shen, Zhe Chen+3 more|arXiv (Cornell University)|May 15, 2023

Multimodal Machine Learning Applications被引用 5

一句话总结

本文提出一个全面的可视化与基准测试平台，用于追踪多智能体路径规划（MAPF）领域的进展，支持在150万组标准化实例上大规模比较最优与次优求解器。通过可视化解决方案质量、拥堵模式及求解器性能，该平台识别出瓶颈问题——如长路径与时间障碍物——并揭示当前求解器（如LNS2与LaCAM）因计算资源限制，在高度拥堵实例上失效，提示未来可采用混合方法。

ABSTRACT

Multi-Agent Path Finding (MAPF) is an important core problem for many new and emerging industrial applications. Many works appear on this topic each year, and a large number of substantial advancements and performance improvements have been reported. Yet measuring overall progress in MAPF is difficult: there are many potential competitors, and the computational burden for comprehensive experimentation is prohibitively large. Moreover, detailed data from past experimentation is usually unavailable. In this work, we introduce a set of methodological and visualisation tools which can help the community establish clear indicators for state-of-the-art MAPF performance and which can facilitate large-scale comparisons between MAPF solvers. Our objectives are to lower the barrier of entry for new researchers and to further promote the study of MAPF, since progress in the area and the main challenges are made much clearer.

研究动机与目标

• 为解决MAPF研究中因计算成本高昂及实验数据缺失，导致缺乏标准化、大规模评估与可见性的问题。
• 建立清晰、可复现的指标，用于衡量MAPF领域最先进性能，包括解决方案质量及未解实例的进展程度。
• 通过提供可访问、可视化且交互式的工具，降低新研究者入门门槛，帮助其理解求解器行为与现存挑战。
• 通过详细分析拥堵与路径规划低效问题，识别领先求解器（如LNS2与LaCAM）的关键失效模式。
• 通过支持公开提交、验证与比较求解器的共享动态平台，推动整个社区的协同进步。

提出的方法

• 作者在完整的150万组MAPF基准测试套件上开展大规模实验，涵盖来自六个领域（包括游戏网格、街道路线图、迷宫、房间、开阔区域与仓库）的33张地图。
• 在所有实例上实现并评估多种领先的最优与次优求解器，包括CBSH2-RCT、BCP、ID-CBS、EECBS、FEECBS+、PIBT2与LNS2。
• 开发定制化可视化框架，用于分析求解器行为，特别是高密度场景下的拥堵模式、等待队列与冲突解决策略。
• 平台为每个实例追踪下界与上界，实现对最优性差距的量化，并可将性能提升归因于特定算法。
• 系统支持动态更新，并可通过在固定硬件上提交可执行程序，未来扩展支持运行时间测量。
• 该方法揭示了混合策略的潜力，例如结合LaCAM的快速初始解与LNS2的优化阶段，以克服单一算法的局限性。

i

实验结果

研究问题

• RQ1 MAPF社区如何建立可靠、可扩展且可复现的指标，以衡量多样化求解器的最先进性能？
• RQ2 当面对高密度、高度拥堵的环境时，领先MAPF求解器的主要失效模式是什么？
• RQ3 为何某些求解器（如LNS2）在小规模实例上表现良好，却在大规模实例上失效？
• RQ4 对路径规划与冲突解决过程的可视化分析，能否揭示标准指标（如成功率或makespan）未捕捉到的系统性低效？
• RQ5 共享的、动态的平台如何提升MAPF研究的透明度、可复现性与进展追踪能力？

主要发现

• LNS2求解器在orz900d地图的even-1实例（含4,119个智能体）上失效，原因是路径规划耗时过长，根源在于拥堵区域存在长路径与大量时间障碍物。
• LaCAM因采用Push-and-Swap策略，导致在障碍物拐角处出现排队现象，该策略优先考虑个体最优性而非全局协调，造成延迟。
• 可视化分析显示，高拥堵区域的智能体会形成队列并等待，表明个体最优路径在集体场景中并非最优。
• 平台发现CBS类求解器常在达到时间限制前耗尽内存，凸显其可扩展性限制不仅源于运行时间，还涉及内存瓶颈。
• 结合LaCAM的快速初始解与LNS2的优化阶段的混合方法被证明极为有效，可弥补两种算法的缺陷。
• 该平台能够精确归因于特定算法的实例关闭情况，并量化最优性差距，为未来研究提供清晰基准。

i