「一万智能体下加速2.24倍」
目录
01 GuardPIBT完整技术链路
1.1 全局‑局部候选打分网络
1.2 执行器对齐的反事实分组门控
1.3 两阶段训练流程
1.4 超大规模部署扩展（十万/百万智能体才启用）
02 仿真实验：可扩展性、消融与极限规模测试
2.1 可扩展性与极限规模结果
2.2 消融实验分析
2.3 在领域当中所处位置
03 客观看待这项工作存在的局限
04 写在最后
低空经济的发展预示未来会出现海量无人机、eVTOL在三维空域协同运行，这就对大规模三维多智能体路径寻找（MAPF）算法提出极高要求。传统最优MAPF求解器随智能体数量上涨算力开销爆炸；PIBT这类一步式优先级继承回溯算法扩展性强，但面对高密度拥堵场景，仅依靠局部贪心目标导向排序，很容易出现大规模死锁、长时间排队等待。
浙江大学团队提出GuardPIBT，它不去完全替换PIBT执行内核，而是做神经网络增强的残差式改造：
网络只对PIBT原生候选动作做残差重排序提议，最终合法动作依旧交给PIBT内核完成冲突校验、优先级继承与回溯。搭配局部‑全局联合打分、反事实分组门控过滤有害干预，再辅以适配超大规模集群的工程机制。
实验最高可支持100万智能体三维场景完成无冲突路径规划；在一万智能体场景下最高实现2.24倍加速，同时维持不错的路径代价。
图 | GuardPIBT 用于超大规模多智能体路径规划效果展示 (a) 栅格障碍物场景下 100 万智能体；(b) 二维迷宫场景下 10 万智能体；(c) 栅格障碍物场景下 10 万智能体
01 GuardPIBT完整技术链路
整套系统分为四大模块：全局‑局部候选打分网络、反事实分组门控、两阶段训练流程、面向十万级以上智能体的超大规模部署扩展。神经网络输出的只是候选动作的排序修正值；一旦把残差置零，就完全回退到原生PIBT基线。
图 | GuardPIBT完整流水线：全局‑局部候选打分、对齐执行器的分组反事实门控，自适应分组、异步推理、长尾修复的大规模部署模块
1.1 全局‑局部候选打分网络
网络同时建模局部邻域交互与全局源‑目标流量传输上下文，对PIBT原生27个三维候选动作做打分。
- 局部图注意力分支：抓取附近智能体的交互关系，处理就近冲突、抢占同一个位置的竞争风险。对邻域智能体做消息感知图注意力GAT，编码相对位置、运动状态。
- 全局源‑目标传输分支：把整个工作空间切分固定三维宏网格，聚合智能体起点、终点、密度、平均运动速度得到传输Token，刻画整个群体级别的车流趋势。该全局表征在线生成，不依赖地图专属预构建引导图，可以跨地图、跨规模泛化。
两个分支特征经过门控残差融合，之后对PIBT全部27个合法候选动作打分，输出排序残差bonus，只修改PIBT内部候选动作测试顺序，障碍物过滤、抢占、冲突检测依旧交给PIBT内核。
核心设计点：网络不输出独立动作，只修改PIBT内部候选排序；PIBT依然拥有最终否决权。就算网络给出错误偏好，PIBT依旧保证输出动作满足图约束。
1.2 执行器对齐的反事实分组门控
这是本文非常关键的创新：高分候选不等于闭环执行就会变好。PIBT内部存在优先级传递、位移抢占、递归回溯，单步好看的动作建议，连锁传播后反而加剧拥堵。
因此设计分组反事实门控，用来判断要不要采纳网络提出的重排序提议。
1.反事实监督数据构建：同一个仿真状态下跑两组PIBT。一组用原生排序作为基线；另一组启用网络重排序干预。保持优先级噪声、环境完全一致，对比H步闭环执行之后的整体代价，计算干预带来的收益，以此作为门控网络的标签。
2.分组门控推理：把空间划分为分组，组内所有智能体的干预提议做聚合；只有分组整体预测干预能带来正向收益，才启用本组全部残差重排序，否则全部丢弃网络建议，回退原生PIBT。 这就避免零散、互相矛盾的单智能体干预破坏集群协同。
1.3 两阶段训练流程
为了防止标签分布漂移，训练拆分为两个阶段，不做端到端联合更新。
1.第一阶段：固定PIBT执行器，用PIBT滚动采集状态样本，训练全局‑局部候选打分网络，学习候选动作排序残差。
2.第二阶段：冻结打分网络权重，生成成对基线‑干预仿真轨迹，只训练反事实分组门控头。 这样保证门控看到的干预样本分布和部署时完全一致，避免训练‑部署分布偏移。
1.4 超大规模部署扩展（十万/百万智能体才启用）
当智能体来到十万、百万级别，新增三项机制降低算力开销，普通规模场景不需要：
1.种群自适应分组：智能体数量上涨，自动调整空间分组网格分辨率，维持每个分组内部智能体数量相对稳定。
2.稀疏异步缓存推理：神经网络推理和PIBT执行解耦。PIBT持续跑规划内核；GPU异步计算网络打分，结果缓存复用多步PIBT迭代，神经网络不再处在关键执行路径上，分摊计算开销。
3.选择性长尾修复：大部分智能体依靠GuardPIBT完成协调；对停滞不前的少量长尾智能体，再调用时间索引SIPP做局部修复，不对全部智能体做昂贵的完整重规划，把算力消耗集中在少数卡住的个体。
图 | 多场景泛化可视化结果：GuardPIBT在2D森林、2D仓库、3D闸门墙体、迷宫等不同环境下的大规模智能体仿真快照
02 仿真实验：可扩展性、消融与极限规模测试
测试环境覆盖森林、迷宫、仓库二维/三维场景；基线选用PyPIBT、LaCAM、LaGAT。评测指标包含端到端总运行时间、平均路径总代价
、每个智能体平均等待步数。
表 | 10000智能体下多场景可扩展性对比，对比GuardPIBT与主流基线的运行时间与平均路径代价
指标边界提示：所有实验为离散图上MAPF仿真结果；性能优势随拥堵密度变化，GuardPIBT不会在每一项指标全部碾压基线；小规模场景神经网络会带来额外推理开销，速度不如纯搜索式LaCAM；它的优势集中体现在中大规模高密度拥堵场景。
2.1 可扩展性与极限规模结果
1. 在10000智能体森林场景，GuardPIBT相对LaGAT实现2.24倍加速，同时路径代价略优；迷宫场景相对LaCAM实现1.54倍加速，平均路径代价下降29.5%。
2. 极限规模测试：成功跑完10万智能体多类2D/3D场景，全部通过冲突审计，无顶点冲突、反向边冲突；进一步推进至100万三维智能体，全部抵达目标，无审计出的图违规。
3. 小规模（100智能体）场景，神经网络带来额外开销，运行时间弱于纯搜索基线，但是可以得到更优平均路径代价。
图 | 十万智能体3D仓库仿真运行快照序列：从初始化、密集协调直到全部智能体抵达目标的完整过程
2.2 消融实验分析
表 | 10 万智能体下跨场景实验结果。F/M/W 分别代表森林 / 迷宫 / 仓库；GW 代表栅格墙体
1. 去掉全局传输流分支：平均路径代价、平均等待步数明显上涨。证明只依靠局部图注意力不足以处理大规模群体带来的远距离拥堵，全局群体流量上下文是重要补充。
2. 去掉反事实分组门控：路径代价、等待步数小幅上涨。门控不会带来巨大算力变化，核心价值是过滤掉会损害闭环性能的网络干预，避免神经网络给出的坏建议污染PIBT执行。
2.3 在领域当中所处位置
传统PIBT/LaCAM是纯粹基于规则搜索，高密度拥堵缺少群体层面引导；LaGAT把图注意力嵌入LaCAM，但没有处理“网络建议闭环不一定生效”这个痛点。 GuardPIBT属于**“规划器为主体，学习做增强”**路线。学习模块不接管决策，只提供排序建议，由原生规划器守住安全底线；反事实门控专门处理学习干预的有效性问题。它补齐了学习增强PIBT方案的一块短板。 代价是引入神经网络推理开销；小规模场景收益有限，更加面向无人机集群这类上万、十万智能体的超大规模场景。
03 客观看待这项工作存在的局限
图 | GuardPIBT 跨场景泛化结果
1.工作属于离散网格MAPF，还没有扩展到连续动力学、运动学约束的真实无人机动力学规划，距离直接上真实无人机集群部署还有迁移距离。
2. 异步缓存推理会引入延迟；网络的建议不是每一步实时刷新，极端快速动态变化场景，缓存的打分会存在滞后。
3. 虽然支持百万智能体仿真，依旧是仿真环境验证；百万级集群对内存、CPU、GPU资源要求很高，现实硬件部署挑战还需要进一步验证。
4. 门控是启发式分组策略，分组超参数需要调参；并非完全消除学习模块带来的负干预，只是显著降低概率。
04 写在最后
GuardPIBT提出一个很务实的思路：大规模多智能体规划，不用非此即彼——要么纯传统搜索，要么完全端到端神经网络。 完全抛弃传统规划器，学习模型很难保证硬约束；完全依赖传统规划，高密度大规模拥堵场景又缺少群体智能引导。这篇工作选择保留PIBT规划内核作为安全底座，神经网络只输出残差式建议，再用反事实仿真校验过滤有害干预。
整套工作把局部交互、全局群体流量结合，再搭配一整套工程扩展手段，仿真环境实现十万甚至百万智能体三维MAPF。它证明“规划器为主，学习做增强”这条路线，对未来低空交通大规模无人机集群仿真规划具备参考意义。
但也要认清边界：目前是离散体素仿真层面的验证，想要落地真实无人机集群，还需要对接动力学、噪声感知、在线动态新增/消失智能体等现实问题。
参考论文：
论文标题：GuardPIBT: Counterfactually Gated Neural Guidance for Ultra‑Large‑Scale 3D Multi‑Agent Path Finding
论文链接：https://arxiv.org/pdf/2609.35267
项目链接：https://guardpibt.github.io/GuardPIBT/#research-film
