Buchumschlag

Ensembling Prioritized Hybrid Policies for Multi-agent Pathfinding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tang, Huijie, Berto, Federico, Park, Jinkyoo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Multiagent Systems Artificial Intelligence Machine Learning Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HiMAP: Learning Heuristics-Informed Policies for Large-Scale Multi-Agent Pathfinding
von: Tang, Huijie, et al.
Veröffentlicht: (2024)

Human Implicit Preference-Based Policy Fine-tuning for Multi-Agent Reinforcement Learning in USV Swarm
von: Kim, Hyeonjun, et al.
Veröffentlicht: (2025)

Sequence Pathfinder for Multi-Agent Pickup and Delivery in the Warehouse
von: Zhao, Zeyuan, et al.
Veröffentlicht: (2025)

Graph Attention-Guided Search for Dense Multi-Agent Pathfinding
von: Jain, Rishabh, et al.
Veröffentlicht: (2025)

SkyRover: A Modular Simulator for Cross-Domain Pathfinding
von: Ma, Wenhui, et al.
Veröffentlicht: (2025)

Optimal and Bounded Suboptimal Any-Angle Multi-agent Pathfinding
von: Yakovlev, Konstantin, et al.
Veröffentlicht: (2024)

Learning Team-Based Navigation: A Review of Deep Reinforcement Learning Techniques for Multi-Agent Pathfinding
von: Chung, Jaehoon, et al.
Veröffentlicht: (2023)

Priority-Aware Multi-Robot Coverage Path Planning
von: Lee, Kanghoon, et al.
Veröffentlicht: (2026)

Learning Strategy Representation for Imitation Learning in Multi-Agent Games
von: Lei, Shiqi, et al.
Veröffentlicht: (2024)

Assigning Credit with Partial Reward Decoupling in Multi-Agent Proximal Policy Optimization
von: Kapoor, Aditya, et al.
Veröffentlicht: (2024)

Low-Rank Agent-Specific Adaptation (LoRASA) for Multi-Agent Policy Learning
von: Zhang, Beining, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Controlled Differential Equations for Scalable Long Horizon Multi-Agent Motion Forecasting
von: Sural, Shounak, et al.
Veröffentlicht: (2025)

Reliable and Efficient Multi-Agent Coordination via Graph Neural Network Variational Autoencoders
von: Meng, Yue, et al.
Veröffentlicht: (2025)

Streaming Multi-agent Pathfinding
von: Tang, Mingkai, et al.
Veröffentlicht: (2025)

SIGMA: Sheaf-Informed Geometric Multi-Agent Pathfinding
von: Liao, Shuhao, et al.
Veröffentlicht: (2025)

An Analysis of Constraint-Based Multi-Agent Pathfinding Algorithms
von: Lee, Hannah, et al.
Veröffentlicht: (2025)

Local Guidance for Configuration-Based Multi-Agent Pathfinding
von: Arita, Tomoki, et al.
Veröffentlicht: (2025)

Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation
von: Li, Jiachen, et al.
Veröffentlicht: (2024)

Towards Learning Scalable Agile Dynamic Motion Planning for Robosoccer Teams with Policy Optimization
von: Ho, Brandon, et al.
Veröffentlicht: (2025)

SRMT: Shared Memory for Multi-agent Lifelong Pathfinding
von: Sagirova, Alsu, et al.
Veröffentlicht: (2025)

MARFT: Multi-Agent Reinforcement Fine-Tuning
von: Liao, Junwei, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Multi-Agent Coordination
von: Aina, Kehinde O., et al.
Veröffentlicht: (2025)

MAPF-GPT: Imitation Learning for Multi-Agent Pathfinding at Scale
von: Andreychuk, Anton, et al.
Veröffentlicht: (2024)

POGEMA: A Benchmark Platform for Cooperative Multi-Agent Pathfinding
von: Skrynnik, Alexey, et al.
Veröffentlicht: (2024)

Simultaneous Computation with Multiple Prioritizations in Multi-Agent Motion Planning
von: Scheffe, Patrick, et al.
Veröffentlicht: (2025)

Pairwise is Not Enough: Hypergraph Neural Networks for Multi-Agent Pathfinding
von: Jain, Rishabh, et al.
Veröffentlicht: (2026)

Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding
von: Vyaltsev, Valeriy, et al.
Veröffentlicht: (2026)

Controlling Behavioral Diversity in Multi-Agent Reinforcement Learning
von: Bettini, Matteo, et al.
Veröffentlicht: (2024)

Multi-Agent Inverse Q-Learning from Demonstrations
von: Haynam, Nathaniel, et al.
Veröffentlicht: (2025)

Cross-Modal Navigation with Multi-Agent Reinforcement Learning
von: Liu, Shuo, et al.
Veröffentlicht: (2026)

Compositional Coordination for Multi-Robot Teams with Large Language Models
von: Huang, Zhehui, et al.
Veröffentlicht: (2025)

Selectively Sharing Experiences Improves Multi-Agent Reinforcement Learning
von: Gerstgrasser, Matthias, et al.
Veröffentlicht: (2023)

ESP: Exploiting Symmetry Prior for Multi-Agent Reinforcement Learning
von: Yu, Xin, et al.
Veröffentlicht: (2023)

Hypergraph-based Motion Generation with Multi-modal Interaction Relational Reasoning
von: Wu, Keshu, et al.
Veröffentlicht: (2024)

Learning Multi-Agent Loco-Manipulation for Long-Horizon Quadrupedal Pushing
von: Feng, Yuming, et al.
Veröffentlicht: (2024)

Redistributing Rewards Across Time and Agents for Multi-Agent Reinforcement Learning
von: Kapoor, Aditya, et al.
Veröffentlicht: (2025)

Superhuman Safe and Agile Racing through Multi-Agent Reinforcement Learning
von: Geles, Ismail, et al.
Veröffentlicht: (2026)

System Neural Diversity: Measuring Behavioral Heterogeneity in Multi-Agent Learning
von: Bettini, Matteo, et al.
Veröffentlicht: (2023)

Evaluating and Improving Graph-based Explanation Methods for Multi-Agent Coordination
von: Kailas, Siva, et al.
Veröffentlicht: (2025)

Multi-Agent Inverse Reinforcement Learning in Real World Unstructured Pedestrian Crowds
von: Chandra, Rohan, et al.
Veröffentlicht: (2024)