VORL-EXPLORE多机器人探索框架论文发布

2026年10月26日，arXiv人工智能板块刊出Ning Liu等作者的论文预印本，提出VORL-EXPLORE混合学习与规划框架，用于动态环境下的多机器人探索。该框架通过“执行保真度”估计局部可通行性与执行可靠性，使探索具备执行感知能力；该分数被用于带机器人间斥力的保真度耦合Voronoi分配目标，并在全局A*引导与反应式强化学习策略之间进行仲裁。在随机动态栅格和严重拥堵消融实验中，该方法取得更高成功率、更短探索路径和更低的机器人间覆盖重叠，文中还给出Gazebo工厂场景部署示例。论文注明已被IROS 2026接收，源代码以链接形式提供。目前事件进展停留在预印本发布与会议接收阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。