MAPF-World: Autoregressives Aktionsmodell verbessert Multi-Agent-Pfadplanung

Die neueste Veröffentlichung auf arXiv (2508.12087v1) stellt MAPF-World vor – ein autoregressives Aktionsweltmodell, das die Planung von Konfliktfreien Pfaden für mehrere Agenten revolutioniert. Durch die Kombination von Situationsverständnis und Aktionsgenerierung geht das Modell weit über die unmittelbaren lokalen Beobachtungen hinaus und berücksichtigt explizit die räumlichen und zeitlichen Dynamiken der Umgebung.

MAPF-World nutzt Vorhersagen zukünftiger Zustände und Aktionen, um die Entscheidungsfindung zu optimieren. Diese vorausschauende Perspektive ermöglicht es den Agenten, koordinierter und langfristig besser zu planen, was besonders in komplexen, langfristigen Szenarien von entscheidender Bedeutung ist. Zusätzlich wird ein automatischer Kartengenerator eingeführt, der realistische Szenarien aus echten Umgebungen nachbildet und damit die Trainings- und Evaluationsbedingungen für MAPF-Lösungen deutlich verbessert.

Umfangreiche Experimente zeigen, dass MAPF-World die aktuellen lernbasierten Solver übertrifft und dabei eine herausragende Zero-Shot-Generalisierung demonstriert. Diese Fortschritte markieren einen bedeutenden Schritt vorwärts in der Multi-Agenten-Pfadplanung und eröffnen neue Möglichkeiten für Anwendungen wie Multi-Roboter-Koordination, robotergestützte Logistik und soziale Navigation.