多智能体混合环境协作导航研究：基于关系图学习的强化学习新方法 移动机器人技术正随着人工智能领域的发展迎来应用热潮，其中导航能力是移动机器人研究的核心热点之一。传统导航方法在面对动态环境、障碍物规避以及多机器人协作任务时，往往面临算法复杂度、计算资源消耗以及模型普适性的问题。针对这些问题，来自Central South University与Zhejiang University of Technology的研究团队提出了一种基于关系图注意力网络（Graph Attention Network, GAT）的新方法，称为GAR-CoNav，为混合环境中的多目标协作导航问题（Multi-Robot Cooperative Navigation Problem, MCNP）提供了新的解决方案。这篇发...

多代理系统受限区域内时间变化队形跟踪控制研究综述 多代理系统（Multi-Agent Systems, MAS）的协调与合作控制近年来备受关注，这种兴趣不仅来源于其在多自主水下航行器、多旋翼飞行器等工程领域的广泛应用，也在于其在提升自动化效率、完成复杂任务和减少资源损耗方面的潜力。然而，在复杂和动态的实际环境中，对多代理系统的队形跟踪控制提出了更高的要求，如如何应对外部未知干扰、避免碰撞，以及在受限区域内完成任务。 本文《Observer-based event-triggered formation tracking control for second-order multi-agent systems in constrained region》为此研究领域提供了新的解决方案。这篇论文...