| 基于WT‑RBF Linear与特征增强的多机器人路径规划 |
| Multi‑agent path finding based on WT‑RBF linear and feature enhancement |
| |
| DOI： |
| 中文关键词: 多机器人；路径规划；小波变换；径向基函数；卷积块注意力 |
| 英文关键词:multi-robot； path finding； wavelet transform（WT）； radial basis function（RBF）； convolu⁃tional block attention |
| 基金项目:中国博士后科学基金（2021M702030）资助项目 |
| 作者 | 单位 | | 刘先昌 | 1. 山东交通学院 山东省智能建造装备关键技术与系统重点实验室，山东 济南 250357
2. 山东交通学院 信息科学与电气工程学院（人工智能学院），山东 济南 250357 | | 倪翠 | 1. 山东交通学院 山东省智能建造装备关键技术与系统重点实验室，山东 济南 250357
2. 山东交通学院 信息科学与电气工程学院（人工智能学院），山东 济南 250357 | | 王朋 | 1. 山东交通学院 山东省智能建造装备关键技术与系统重点实验室，山东 济南 250357
2. 山东交通学院 信息科学与电气工程学院（人工智能学院），山东 济南 250357 | | 吴春坡 | 1. 山东交通学院 山东省智能建造装备关键技术与系统重点实验室，山东 济南 250357
2. 山东交通学院 信息科学与电气工程学院（人工智能学院），山东 济南 250357 | | 单浩源 | 1. 山东交通学院 山东省智能建造装备关键技术与系统重点实验室，山东 济南 250357
2. 山东交通学院 信息科学与电气工程学院（人工智能学院），山东 济南 250357 |
|
| 摘要点击次数: 160 |
| 全文下载次数: 29 |
| 中文摘要: |
| DHC（Distributed Heuristic Communication）为多机器人路径规划（Multi-Agent Path Finding，
MAPF）提供了一种新颖的解决思路，有效缓解了多机器人路径规划中的部分可观测问题。但是，
由于其特征提取不够精细，导致Q值计算精度下降，进而限制了其动作决策能力，且无法有效解决
路径冲突问题。文中提出一种基于 WT-RBF Linear与特征增强的多机器人路径规划方法。首先，
利用卷积块注意力模块（Convolutional Block Attention Module， CBAM）优化提取机器人的观测信息
特征，提高机器人对关键路径信息的关注度，减少无关信息干扰；然后，提出 WT-RBF Linear模块，
将小波变换（Wavelet Transform）与径向基函数（Radial Basis Function， RBF）结合，在 CBAM 提取的
特征基础上进一步提取更加精细的全局与局部特征，依据这些特征准确计算 Q值，提升模型的动
作决策能力；最后，对于路径规划过程中发生的路径冲突，设计冲突消解策略。实验结果表明，所
提方法平均成功率达到96.5%，平均步长减少至105.108 5，展现出更强的稳定性和鲁棒性。 |
| 英文摘要: |
| Distributed heuristic communication （DHC） provides a novel solution for multi-agent path
finding （MAPF）， effectively alleviating the partial observability issues in multi-robot path planning. However， insufficient feature extraction reduces the accuracy of Q-value estimation， which limits the
decision-making capability of agents and makes it difficult to effectively resolve path conflicts. To address
the path conflict problem in such environments， this paper proposes a wavelet transform （WT） and radial
basis function（ WT-RBF） linear and feature-enhanced multi-agent path planning method， which is integrated into the DHC algorithm to improve efficiency and stability in MAPF. Firstly， we introduce the convolutional block attention module （CBAM）， which leverages both channel and spatial attention mechanisms to optimize feature extraction， thereby enhancing agents’ focus on critical path information. Secondly， we propose the WT-RBF linear module， which combines WT and RBF to simultaneously capture
both global and local features. This technique improves decision-making and enables agents to select
more optimal actions. Finally， we design a conflict resolution strategy that dynamically adjusts agent decisions when path conflicts occur， reducing conflict rates and mitigating deadlock issues. Experimental results demonstrate that our method achieves an average success rate of 96.5%， and reduces the average
path length reduced to 105.108 5， demonstrating superior stability and robustness. |
| 查看全文 查看/发表评论 附件 |