GAMBIT: Learning to Plan Continuous Multi-Robot Trajectories

📄 arXiv: 2610.06290v1 📥 PDF

作者: Rishabh Jain, Akmaral Moldagalieva, Lorenzo Magnino, Michael Amir, Keisuke Okumura, Ajay Shankar, Wolfgang Hönig, Amanda Prorok

分类: cs.RO, cs.AI, cs.LG, cs.MA

发布日期: 2026-10-05

💡 一句话要点

提出GAMBIT以解决多机器人轨迹规划问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 多机器人系统 轨迹规划 强化学习 模仿学习 运动原语 安全机制 协调行为

📋 核心要点

  1. 现有的多机器人协调方法难以捕捉自我牺牲行为，尤其是在密集和互动丰富的环境中。
  2. GAMBIT通过模仿学习和强化学习相结合，学习协调的运动原语选择，从而优化多机器人轨迹规划。
  3. 实验显示，GAMBIT在规划延迟和协调能力上显著优于集中式和分散式的基线方法。

📝 摘要（中文）

GAMBIT是一种多机器人协调方法，旨在通过学习连续的运动原语来优化机器人轨迹执行。该方法借鉴了国际象棋中的“弃子”策略，强调个体机器人在局部奖励最大化与整体团队表现之间的权衡。GAMBIT首先通过模仿学习来选择协调的运动原语，然后通过强化学习进行策略的微调。此外，论文引入了一种安全的回滚机制，确保在执行过程中始终避免碰撞。实验结果表明，GAMBIT在多个基线方法中表现优异，能够在连续领域中协调超过千台机器人，规划延迟低于几百毫秒。

🔬 方法详解

问题定义：本论文旨在解决多机器人轨迹规划中的协调问题，现有方法在复杂环境中难以有效捕捉机器人之间的自我牺牲行为，导致整体性能不佳。

核心思路：GAMBIT的核心思路是通过模仿学习和强化学习相结合，学习机器人在执行任务时如何选择运动原语，以实现更好的团队协作。这样的设计能够使机器人在局部利益与整体利益之间找到平衡。

技术框架：GAMBIT的整体架构包括两个主要阶段：首先，通过模仿学习选择运动原语；其次，通过强化学习对策略进行微调。此外，论文还引入了一种安全的回滚机制，以确保在执行过程中避免碰撞。

关键创新：GAMBIT的主要创新在于其自适应的运动原语选择机制和安全的回滚策略，这与传统的集中式和分散式规划方法有本质区别，能够更好地应对复杂环境中的动态变化。

关键设计：在技术细节上，GAMBIT采用了特定的损失函数来优化策略，同时设计了高效的网络结构以支持快速的决策过程。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，GAMBIT在协调超过千台机器人的任务中，规划延迟低于几百毫秒，显著优于多种基线方法，包括集中式运动规划器和分散式反应规划器，展示了其强大的可扩展性和实用性。

🎯 应用场景

GAMBIT的研究成果在多个领域具有广泛的应用潜力，包括无人机编队、自动驾驶车辆、智能制造和物流等。通过优化多机器人系统的协调能力，该方法能够提升整体效率和安全性，推动相关技术的进步与应用。

📄 摘要（原文）

GAMBIT is an opening chess move in which a player sacrifices a piece, typically a pawn, to gain a positional advantage later in the game. Analogously, in multi-robot coordination, individual robots may need to forgo locally reward-maximising behaviours to improve overall team performance. Such self-sacrificial behaviours are difficult to capture with manually designed heuristics, particularly in dense, interaction-rich environments. Focusing on double-integrator continuous dynamics, this work studies how to learn such coordinated heuristics over motion primitives for multi-robot trajectory execution. Our framework, GAMBIT, first learns coordinated motion-primitive selection through imitation learning and subsequently fine-tunes the policy through reinforcement learning. We further introduce a safeguarded rollout mechanism with backup trajectories that guarantees collision-free execution at all times. Experiments demonstrate that GAMBIT substantially outperforms a range of baselines, including centralised motion planners and decentralised reactive planners, while exhibiting strong scalability. In particular, it coordinates over a thousand robots with planning latency below a few hundred milliseconds in continuous domains.