使用STL-GO进行具有时空与拓扑约束的多智能体规划

arXiv cs.AI 论文
multi-agent-planning spatio-temporal-logic topological-constraints stl-go formal-methods mixed-integer-programming smt

摘要

本文提出了两种可靠的编码（MIP和SMT），用于在STL-GO表达的时空与拓扑约束下进行多智能体路径规划，并在多无人机搜索与救援基准上进行了评估。

arXiv:2607.28679v1 公告类型：新 摘要：多智能体规划问题出现在多种工程应用中，例如多机器人野火扑救和工厂中的无人机巡检。一个特别的挑战在于存在时空约束（即智能体应在何时和/或何地做什么）和拓扑约束（即智能体应如何交互），这些约束通常通过图的概念进行形式化。近年来，研究者提出了多种框架，通过时空逻辑来捕获此类约束。我们这里关注带有图算子的时空逻辑（STL-GO），这是一种近期提出的形式化方法，支持对多个智能体及其拓扑（如感知拓扑、通信拓扑和任务拓扑）进行推理。在本文中，我们考虑规划满足以STL-GO编写的约束的多智能体路径问题。该问题特别具有挑战性，因为需要通过STL-GO固有的图算子对多个可能随时间变化的图进行编码。我们提出了该问题的两种编码：一种基于混合整数规划（MIP），另一种基于可满足性模理论（SMT），并具有可靠性保证。我们提供了一个统一接口，用于指定智能体约束、其图拓扑以及STL-GO规范，从而能够无缝使用这两种方法，并便于它们之间的直接比较。我们在多无人机搜索与救援基准上评估了这两种编码，通过消融实验改变团队规模和图的复杂度，突显了所提编码在动态多图交互下的表达能力。
查看原文
查看缓存全文

缓存时间: 2026/08/03 07:29 

# 使用 STL-GO 进行带时空与拓扑约束的多智能体规划  
来源：https://arxiv.org/html/2607.28679  
Sheryl Paul1,∗, Vidisha Kudalkar1,∗, Anand Balakrishnan2, Lars Lindemann3, Alberto Speranzon4, Jyotirmoy V\. Deshmukh1  

###### 摘要  
多智能体规划问题出现在多种工程应用中，例如多机器人野火扑救和工厂中的无人机巡检。一个特别的挑战是存在时空约束（即智能体应在何时和/或何处做什么）以及拓扑约束（即智能体应如何交互），这些通常通过图的概念来形式化。近年来，人们提出了各种框架，通过时空逻辑来捕获此类约束。我们在此关注具有图算子的时空逻辑（STL-GO），这是一种较新的形式化方法，支持对多个智能体及其拓扑（如感知、通信和任务拓扑）进行推理。在本文中，我们考虑规划满足以 STL-GO 编写的约束的多智能体路径的问题。由于需要通过 STL-GO 固有的图算子对多个可能随时间变化的图进行编码，该问题尤其具有挑战性。我们给出了该问题的两种编码，一种基于混合整数规划（MIP），另一种基于可满足性模理论（SMT），并具有可靠性保证。我们提供了一个统一接口来指定智能体约束、其图拓扑和 STL-GO 规范，从而可以无缝使用这两种方法并便于直接比较。我们在一个多无人机搜索与救援基准上评估了这两种编码，针对团队规模和图的复杂性进行消融实验，突出了所提编码在动态多图交互下的表达能力。

## I 引言  
经典的时序逻辑规范（如 LTL 或 STL）非常适合表达单个系统轨迹的基于时间的属性。然而，在多智能体系统（MAS）中，期望的任务行为可能不仅取决于事件何时发生，还取决于智能

相似文章

COAgents：用于学习和导航路径规划问题搜索空间的多智能体框架

arXiv cs.AI

COAgents是一个合作式多智能体框架，用于解决车辆路径问题，它将搜索过程建模为图，使用专门智能体进行节点选择、移动选择和跳跃以逃离局部最优。在CVRP和VRPTW基准测试上取得了最先进的结果，相比先前的基于学习的方法，将最佳已知解差距最多缩小了44%。