报告题目：大规模多智能体路径规划及其扩展问题的实时算法研究
报告摘要：多智能体路径规划(Multi-Agent Pathfinding, MAPF)广泛应用于物流仓储、机场调度及智能制造等领域，本研究将探讨大规模MAPF及其扩展问题（例如Co-MAPF等）的实时规划算法。首先，我们提出一种基于拒绝-接受采样的离散快速扩展随机树和优先级继承的快速离散RRT算法，旨在解决现有离散RRT方法在处理大规模复杂场景下的MAPF问题时存在路径效率低等不足。随后，我们将该离散RRT算法扩展至Co-MAPF的物流场景，设计异构智能体的协作框架，要求其在完成运输任务的同时协商汇合点。最后，针对机器人移动履行系统（Robotic Mobile Fulfillment Systems, RMFS）中高密度动态障碍物与多任务并发的复杂场景，我们提出一种双模式引导的强化学习方法实现系统的实时路径规划。
报告人简介：辛健斌，教授，博士生导师。2015年于荷兰代尔夫特理工大学获得博士学位，2016年至今在郑州大学电气与信息工程学院从事教学和科研工作，研究方向为物流机器人系统调度与优化。主持国家自然科学基金项目3项和多项省部级项目，在IEEE TII 、IEEE TITS、IEEE TASE等重要学术期刊和会议发表高水平论文50余篇，授权国家发明专利2项，目前担任IEEE 机器人与自动化学会（RAS）物流自动化技术委员会的共同主席，同时担任Journal of Advanced Transportation、Unmanned Systems等期刊编委和 IEEE Transactions on Automation Science and Engineering的客座编辑，荣获河南省教育厅学术技术带头人、河南省青年骨干教师等荣誉称号。
