Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning¶
会议: NeurIPS 2026
arXiv: 2605.27697
OpenReview: https://openreview.net/forum?id=kBwVVfWwux
论文: https://arxiv.org/abs/2605.27697
领域: 机器人/具身智能
关键词: 分布式运动规划, 扩散模型, 约束感知投影, 多机器人系统, 极简协同通信
一句话总结¶
针对去中心化多机器人运动规划（MRMP）在局部感知与近零通信下难以预判邻近机器人行为的难题，本文提出仿真引导扩散框架（SID），利用单套约束感知扩散模型同步承担「邻居未来轨迹仿真」与「本体避障轨迹规划」，并引入冲突驱动的极简通信协调机制，在保持极低通信开销的同时大幅提升了高拥挤多机器人系统的规划成功率。
研究背景与动机¶
多机器人运动规划（Multi-Robot Motion Planning, MRMP）致力于在共享空间中为多个机器人规划无碰撞轨迹，是智能仓储、无人机编队及自动驾驶车队的核心支撑技术。尽管基于全局感知的中心化规划方法在小规模问题中能够求得理论最优解，但在实际复杂场景中，全域感知不可用、网络通信带宽受限或不可靠等现实约束，使得完全依赖中心节点的方案极易形成单点瓶颈与通信瘫痪。因此，仅依赖局部观测与有限通信的去中心化运动规划成为了必然趋势。
然而，现存的去中心化规划方法普遍面临前瞻性与可行性之间的深刻矛盾。以 ORCA 为代表的经典反应式规划方法仅基于当前瞬时快照推演即时避障动作，在稀疏环境中高效敏捷，但其目光短浅的本质导致在密集拥挤区域极易产生死锁甚至碰撞；基于强化学习或模仿学习的策略网络虽能学习复杂的观测到动作映射，却依然深陷瞬时快照输入的近视陷阱；近年兴起的轨迹预测引导方案（如 IA-MPC）虽引入了未来时域信息，但其基于未受约束的神经网络预测往往违背物理运动学或动力学约束，与邻居实际执行轨迹产生严重偏差，从而误导自身规划。
本文的切入视角在于：既然去中心化规划的核心痛点是「无法预知邻居合规的未来意图」，而扩散模型在连续运动轨迹建模上表现出卓越的多模态表征能力，那么能否让每个机器人内部维护一个「数字孪生世界」，用同一套物理约束驱动的生成模型先推演邻居的未来可行轨迹，再以此为参考锚点引导本体规划？核心 idea：提出仿真引导扩散框架（SID），将约束感知扩散模型（CADM）同时作为局部高保真仿真器与规划器，先通过增广拉格朗日投影生成满足运动学与碰撞约束的邻居未来轨迹，再以此为动态时空约束规划本体轨迹，并仅在局部不可行时触发单次广播的极简优先级通信。
方法详解¶
整体框架¶
SID 面向局部可观测且通信受限的去中心化多机器人运动规划场景，其运行机制基于滚动时域控制（Receding-Horizon Control, RHC）。在每个规划周期内，机器人首先通过局部传感器捕获感知范围内的障碍物与邻近机器人状态，随后激活内部的约束感知扩散模型（CADM）为视野内所有邻居并行仿真一条满足避障与运动学限制的未来可行轨迹；接着，机器人将这些仿真轨迹作为时间对齐的动态障碍物约束，并结合时空 \(A^*\) 搜索确定的自适应到点保持约束，再次调用 CADM 生成自身的无碰撞轨迹并执行前 \(k\) 步。如果在当前仿真约束下求解不可行（如狭窄通道对称拥堵），算法将激活基于目标剩余距离排序的极简冲突通信机制完成死锁消解。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["局部环境观测与邻居状态"] --> B["约束感知扩散模型 CADM<br/>增广拉格朗日交替投影"]
B --> C["邻居轨迹高保真仿真<br/>生成合规未来动态参考"]
C --> D["时空 A* 启发搜索<br/>自适应目标到达保持约束"]
D --> E["仿真引导本体规划<br/>在时空复合安全集内采样"]
E -->|局部存在可行解| F["滚动时域执行前 k 步"]
E -->|局部规划无可行解| G["极简瓶颈通信协调<br/>距离优先单次广播消解"]
G --> F关键设计¶
1. 约束感知扩散模型（CADM）：基于增广拉格朗日投影的严格可行采样
标准扩散模型在轨迹采样过程中往往只能生成概率上符合数据分布的样本，无法硬性保证避障几何间隙与速度加速度等运动学约束。为了消除生成轨迹的碰撞与动力学越界，CADM 在随机梯度朗之万动力学（SGLD）去噪迭代步中引入了向可行约束集合 \(\mathcal{C}\) 的欧氏投影算子 \(\mathcal{P}_{\mathcal{C}}(\cdot)\)。将障碍物避让、智能体间安全间隙以及最大步长位移约束统一写为不等式形式 \(\mathbf{h}(\mathbf{y}) \le \mathbf{0}\)，构建增广拉格朗日函数：
$\(\mathcal{L}_\rho(\mathbf{y}, \bm{\nu}) = \|\mathbf{y} - \mathbf{x}_t\|_2^2 + \bm{\nu}^\top \mathbf{h}(\mathbf{y}) + \frac{\rho}{2} \|\max(\mathbf{0}, \mathbf{h}(\mathbf{y}))\|_2^2\)$
在每次去噪更新中，算法采用原始-对偶优化策略交替执行对轨迹变量 \(\mathbf{y}\) 的梯度下降与对乘子 \(\bm{\nu}\) 的对偶上升更新 \(\bm{\nu} \leftarrow \max(\mathbf{0}, \bm{\nu} + \rho \mathbf{h}(\mathbf{y}))\)，并逐轮增大惩罚因子 \(\rho\)，确保去噪生成的每一段轨迹从数学上严格贴合非凸可行域边界。
2. 邻居未来轨迹的高保真仿真：以内部自洽的物理推演替代盲目预测
去中心化规划中若仅将当前观测到的邻居位置当作静态障碍物，本质上仍未摆脱反应式控制的近视缺陷；而传统纯数据驱动的神经网络时序外推因缺乏运动学约束，预测轨迹极易穿模变形。SID 的关键突破在于将 CADM 规划器本身作为仿真内核：机器人 \(i\) 将上一轮已知的其余邻居轨迹作为固定背景参考，在由环境障碍物与速度极限构成的仿真约束集 \(\mathcal{C}_{\text{sim}}(j)\) 下独立为每个可见邻居 \(j\) 运行扩散采样，生成高置信度且满足动力学约束的时空参考轨迹 \(\hat{\bm{\tau}}_j\)。这一机制使得邻居未来行为的推演与规划器底层的动作分布高度对齐，为后续本体避让提供了兼具真实感与物理一致性的时间索引坐标系。
3. 自适应到达时间的时空保持约束：打破固定时域的行进僵化
扩散轨迹生成通常要求预设固定的规划时长 \(H\)，但在实际分布式运动规划中，稀疏空旷区域的机器人理应尽快到达目标，而处于拥挤瓶颈处的机器人则需要原地等待或慢速避让，强制要求同一时间到达会导致轨迹拉伸失真或无谓震荡。针对这一问题，SID 在每个滚动规划步引入空间-时间 \(A^*\) 离散网格搜索，在基于仿真邻居轨迹构建的网格中求解本体到达目标的最早安全时间步 \(a_i = \min \{h \in [0, H] \mid \tilde{\mathbf{p}}_i^h = \mathbf{g}_i\}\)。据此构造目标保持约束集合 \(\mathcal{C}_{\text{hold}}(i) = \{\bm{\tau}_i \mid \mathbf{p}_i^h = \mathbf{g}_i, \forall h \in [a_i, H]\}\)。本体规划在复合可行集 \(\mathcal{C}_{\text{plan}}(i) \cap \mathcal{C}_{\text{hold}}(i)\) 下进行，既允许快速到达目标点后稳定停驻，又在空间狭窄时自然延后到达，大幅缩短了平均行进时长。
4. 冲突驱动的极简通信协调：仅在对称死锁时按距离优先级单次广播
虽然仿真引导规划能够自主解决绝大多数局部避碰交互，但在狭窄走廊单向通行等高度对称的死锁场景下，纯局部推演无法破除对称性冲突。SID 巧妙地将「局部 CADM 求解无可行解」作为介入触发信号，摒弃了传统方案固定频率广播的巨大开销。当触发通信时，受阻机器人识别瓶颈涉及的智能体子集 \(\mathcal{B}_i\)，各机器人根据到目标的剩余欧氏距离 \(d_j = \|\mathbf{p}_j - \mathbf{g}_j\|_2\) 升序排列确定通行优先级。处于更高优先级的机器人率先规划并在该子集内广播一次无碰撞轨迹，后续机器人接收该轨迹作为硬约束加入自身的 \(\mathcal{C}_{\text{plan}}\) 重新规划后再向下广播，每台机器人仅需在瓶颈期发送一次轨迹即可确定性打破对称死锁。
损失函数 / 训练策略¶
扩散模型的得分网络 \(\mathbf{s}_\theta(\mathbf{x}_t, t)\) 采用基于连续高斯扰动的去噪得分匹配目标进行预训练，训练目标最小化真实加噪轨迹的得分与网络预测之差： $\(\mathcal{L}_{\text{score}}(\theta) = \mathbb{E}_{t \sim [1, T], p(\mathbf{x}_0), q(\mathbf{x}_t|\mathbf{x}_0)} \left[ (1 - \alpha_t) \|\mathbf{s}_\theta(\mathbf{x}_t, t) - \nabla_{\mathbf{x}_t} \log q(\mathbf{x}_t | \mathbf{x}_0)\|^2 \right]\)$ 其中噪声方差调度为 \(\alpha_t\)。在推理部署阶段，模型直接基于无约束得分网络执行 SGLD 去噪，并通过即时（Test-time）增广拉格朗日乘子迭代实施欧氏投影，模型权重本身无需根据环境约束微调，展现出零样本迁移到多样化地图布局的泛化能力。
实验关键数据¶
主实验¶
论文在四类经典地图（基础地图 Basic、密集障碍 Dense、双通道房间 Room、多货架走廊 Shelf）以及扩展大规模场景上展开系统评测。评估指标包括规划成功率（\(S\), %）、平均通信频率（\(C\)，每个智能体在测试实例中的通信事件次数）、基于离散加速度平方和的轨迹平滑度（\(A\), \(\times 10^{-2}\)）以及平均行进时间（\(T\)）。
| 地图类型 | 机器人数量 | ORCA (反应式) \(S / C / A / T\) | IA-MPC (预测引导) \(S / C / A / T\) | MIMIC-D (扩散模仿) \(S / C / A / T\) | SID (本文方法) \(S / C / A / T\) | 相对提升与优势 |
|---|---|---|---|---|---|---|
| Basic | 3 机器人 | 88% / 0.00 / 0.24 / 21.92 | 36% / 8.00 / 0.15 / 63.00 | 8% / 0.00 / 0.47 / 63.00 | 100% / 0.05 / 1.06 / 41.11 | 成功率 100%，通信近乎为零 |
| Basic | 6 机器人 | 64% / 0.00 / 0.28 / 22.89 | 4% / 8.00 / 0.08 / 63.00 | 0% / 0.00 / N/A / N/A | 100% / 0.04 / 1.23 / 41.94 | 基线基本崩溃，SID 保持全胜 |
| Basic | 9 机器人 | 52% / 0.00 / 0.32 / 23.33 | 0% / 8.00 / N/A / N/A | 0% / 0.00 / N/A / N/A | 100% / 0.07 / 1.03 / 42.35 | 领先最强基线 ORCA 达 48% |
| Dense | 9 机器人 | 28% / 0.00 / 0.33 / 25.25 | 0% / 8.00 / N/A / N/A | 0% / 0.00 / N/A / N/A | 100% / 0.06 / 1.12 / 42.48 | 拥挤环境下保持 100% 成功率 |
| Room | 9 机器人 | 20% / 0.00 / 0.27 / 22.62 | 0% / 8.00 / N/A / N/A | 12% / 0.00 / 0.26 / 63.00 | 84% / 3.08 / 0.97 / 39.92 | 结构化通道狭窄，超基线 4.2 倍 |
| Shelf | 9 机器人 | 12% / 0.00 / 0.26 / 21.78 | 0% / 8.00 / N/A / N/A | 8% / 0.00 / 0.24 / 63.00 | 96% / 1.12 / 1.02 / 41.29 | 狭窄货架通道，超基线 8.0 倍 |
| Basic (扩展) | 18 机器人 | 0% / 0.00 / N/A / N/A | 0% / 8.00 / N/A / N/A | 0% / 0.00 / N/A / N/A | 80% / 0.33 / 0.96 / 41.90 | 极密集群体下基线全灭，SID 保持 80% |
| Dense (扩展) | 18 机器人 | 4% / 0.00 / 0.38 / 27.94 | 0% / 8.00 / N/A / N/A | 0% / 0.00 / N/A / N/A | 88% / 0.41 / 1.05 / 41.57 | 超越 ORCA 84 个百分点 |
消融实验¶
论文在 Basic 地图（9 台机器人）上对核心超参数展开了系统的敏感度消融分析，揭示了局部感知范围与滚动时域窗口 \(k\) 对规划成功率、通信频率及行进时间的影响机制：
| 感知视野范围 | 执行步长 \(k\) | 成功率 (\(S\), %) | 通信频率 (\(C\)) | 平滑度 (\(A\), \(\times 10^{-2}\)) | 平均耗时 (\(T\)) | 配置特性与机制分析 |
|---|---|---|---|---|---|---|
| 0.1 | \(k=16\) | 72% | 0.97 | 0.92 | 34.2 | 视野过窄导致仿真邻居数量不足，冲突频发 |
| 0.3 | \(k=16\) | 100% | 0.16 | 0.85 | 33.1 | 视野适度扩大，仿真充分，通信大幅骤降 |
| 0.5 (默认视野) | \(k=8\) | 100% | 0.07 | 1.03 | 42.35 | 频繁反馈重规划，安全性最高，耗时略长 |
| 0.5 (默认视野) | \(k=16\) | 100% | 0.07 | 0.82 | 32.40 | 综合最优平衡点：高成功率+低通信+短耗时 |
| 0.5 (默认视野) | \(k=32\) | 80% | 0.28 | 0.61 | 33.20 | 执行段过长丧失动态反馈，遇到突发死锁退化 |
关键发现¶
- 去中心化预测的致命瓶颈在于物理合规性：IA-MPC 依赖循环神经网络预测邻居轨迹，但由于缺乏显式物理与运动学约束，预测误差随时间步累积发散，在 6 台以上机器人场景中成功率几乎断崖式归零；而 SID 利用投影扩散保证仿真的轨迹合规自洽，从而构筑了坚固的避障基石。
- 仿真质量直接主导通信负荷：敏感度分析证明，当感知范围由 0.1 提升至 0.3/0.5 时，机器人能精准推演关键交互邻居，通信频率由 0.97 骤减至 0.07。仿真越精准，盲目通信越少，达成了极高的通信性价比。
- 极端规模下的卓越扩展性：在包含 108 台异构起终点机器人与 160 个密集障碍物的超大型极限场景中，SID 依然能维持完全去中心化的敏捷避障，顺畅穿行狭窄通道，创下扩散模型在去中心化 MRMP 领域的规模纪录。
亮点与洞察¶
- 生成模型角色的双重统一：将扩散模型同时用作「行为推演仿真器」与「自身动作规划器」，巧妙地消除了外部预测模块与内部决策模块之间的表征鸿沟与动力学失配。
- 以不可行性为触发器的按需通信：摒弃传统多智能体系统每轮高频同步的通信开销，仅在局部求解器遭遇不可行约束时介入基于空间距离排名的单次轨迹广播，做到了「无事不打扰、有事破死锁」。
- 即插即用的拉格朗日动态投影：将非凸避障约束通过原始-对偶优化自然嵌入连续扩散去噪流中，无需针对复杂障碍重训网络即可实现零样本约束满足。
局限与展望¶
- 计算耗时对实时高频控制构成挑战：由于每轮规划需要先对周围多台邻居进行扩散采样仿真，再结合投影进行本体规划，单步求解耗时在几十到几百毫秒级别，难以直接部署在计算资源极度受限且控制频率要求极高的微型嵌入式平台上。
- 目前局限于 2D 轮式机器人动力学简化模型：论文主要在 2D 平面离散位移与圆盘几何碰撞假设下验证，尚未考虑无人机高阶空气动力学效应、机械臂复杂 3D 关节角自碰撞或非完整约束轮式车辆的漂移特性。
- 未来方向：探索结合一致性模型（Consistency Models）或流匹配（Flow Matching）减少去噪步数以实现单步实时推理，并拓展至 3D 空间协同搬运与复杂操作场景。
相关工作与启发¶
- vs ORCA (Van Den Berg et al., 2011): ORCA 属于反应式速度障碍物法，计算极快但在多机器人互锁狭窄通道中因缺乏全局时域前瞻极易陷入死锁振荡；SID 通过扩散模型前瞻整条时空轨迹，成功率大幅领先。
- vs IA-MPC (Zhu et al., 2021): IA-MPC 借助神经网络预测未来并进行 MPC 优化，但未受约束的预测导致严重脱靶且需要每步全量通信；SID 采用约束感知扩散仿真，不仅仿真真实合规，通信频率更降低两个数量级。
- vs MIMIC-D (Dong et al., 2025): MIMIC-D 是近期的去中心化扩散规划基线，但它缺乏显式增广拉格朗日几何投影与邻居仿真机制，在复杂障碍物环境下生成轨迹无法满足硬性碰撞约束；SID 补齐了硬约束保证并具备协同消解死锁能力。
评分¶
- 新颖性: ⭐⭐⭐⭐⭐ 首次提出将约束感知扩散模型双向应用于多智能体仿真与去中心化规划，构思极为巧妙。
- 实验充分度: ⭐⭐⭐⭐⭐ 涵盖 4 种地图、3 至 18 台机器人基准测试，并突破性展示了 108 台机器人的极端压测。
- 写作质量: ⭐⭐⭐⭐⭐ 数学表达严密规范，动机铺垫层层递进，消融与对比实验详实透彻。
- 价值: ⭐⭐⭐⭐⭐ 为解决多机器人分布式系统在高密度拥挤环境下的非通信/轻通信协同提供了极具前景的生成式范式。