DMM 迭代意图去噪解多智能体寻路，1600 任务解决 1598 并扩展到百万智能体
Valeriy Vyaltsev · hf · 2026-10-02
论文提出 DMM（Decentralized Master-Mind），解决去中心化多智能体路径规划（MAPF）中局部有效动作组合成不兼容联合动作的问题：
- 方法：受扩散模型去噪启发，用通信轮次内的离散迭代意图精化取代一次性动作采样——智能体先随机初始化动作意图，通过局部通信在承诺前耦合彼此选择
- 训练：先在专家 MAPF 解上做模仿学习预训练，再用 MICPO（免 critic 的组相对强化学习方法）做多轮动作精化优化
- 结果：在 1600 个 MovingAI 任务上经 MICPO 微调的 DMM 解决 1598 个，为评估方法中最高覆盖率，且解成本接近最强基线；可扩展到超过一百万个同时行动的智能体
- 结论：轮级意图精化能在保持去中心化执行的同时改善联合动作协调
「研究」频道最新
- 高德发布 ABot-Recon：仅靠 12 帧局部上下文实现流式长视频 3D 重建 — rsasaki0109 · 2026-10-02
- Neuralink 用 5 万小时神经数据预训练解码器，护城河或在数据集而非植入体 — CurieuxExplorer · 2026-10-02
- 安全评测 CyberGym 在验证子集上已被 Agent 刷饱和 — aryaman2020 · 2026-10-02
- SemEval-2027 新任务征集:四语言多模态新闻框架分析 — preslav_nakov · 2026-10-02
- 提示词与模型交替升级：科学 agent 准确率从 42% 提到 73% — rohanpaul_ai · 2026-10-02
- ISMIR 论文：交叉注意力让模型学会 12 位爵士钢琴大师风格 — umpedronosapato · 2026-10-02