في عالم الذكاء الاصطناعي والروبوتات، يعد تخطيط المسارات الخالية من التصادم لوكلاء متعددين (Multi-Agent Path Finding - MAPF) من أكبر التحديات التي تواجه العديد من التطبيقات العملية. مع التقدم الذي حققه البحث في هذا المجال، لا تزال التخطيطات التقليدية تواجه صعوبات بسبب اعتمادها على نماذج حركية مبسطة، مما يمنع الوكلاء من اتباع خطط MAPF بشكل مباشر.

لمعالجة هذه المشكلة، تم تطوير نظام تخطيط مُطور يعرف باسم تخطيط جرافات الخطط الزمنية الحركية (kinodynamic Temporal Plan Graph planning - kTPG). يقدم هذا النظام خوارزمية فعالة لتحسين السرعة، حيث يقوم بتعديل خطة MAPF لتصبح مجموعة من ملفات السرعة القابلة للتطبيق حركياً.

كما تم إدراج نماذج عدم التأكد الزمنية، مما يوفر ضمانات حتمية تحت نماذج عدم التأكد المحدودة وضمانات احتمالية تحت نماذج احتمالية.

بناءً على تقنية kTPG، تم تقديم إطار عمل جديد يُعرف بإطار التنفيذ الحالي WinkTPG. يعمل هذا الإطار على تحسين خطط MAPF بطريقة تدريجية من خلال آلية قائمة على النوافذ، حيث يتم دمج معلومات الوكلاء الديناميكية أثناء تنفيذ الخطة، مما يسهم في تقليل عدم اليقين.

أظهرت التجارب أن WinkTPG يمكنه توليد ملفات سرعة لما يصل إلى 1000 وكيل في غضون ثانية واحدة، مع تحسين جودة الحل بمعدل يصل إلى 51.7% مقارنة بالطرق الحالية لتنفيذ MAPF. وتمت أيضاً المصادقة على كفاءة WinkTPG من خلال محاكاة فيزيائية دقيقة وفي بيئات حقيقية باستخدام الروبوتات.

إذا كنت مهتماً بعالم الذكاء الاصطناعي وكيفية تحسين الأنظمة الروبوتية، فإن تجارب WinkTPG تمثل خطوة هامة نحو تحسين فعالية الوكلاء في بيئات معقدة.