CRAMP introduces a crowd-aware decentralized reinforcement learning approach using Graph Neural Networks to enhance multi-agent path finding in congested environments.
This research paper introduces novel local search methods based on dynamic programming to enhance the efficiency of sub-optimal solutions for Multi-Agent Path Finding (MAPF) problems on directed graphs.
本稿では、有向グラフ上のMulti-Agent Path Finding (MAPF) 問題に対して、既知の実行可能解を改善するための新しい局所探索手法を提案する。動的計画法を用いて近傍を探索することで、計算量を抑えつつ、より短い解を見つけることを目指す。