Machine Learning methods for Path Planning

Abstract

Нахождение кратчайшего пути в графе - классическая задача, актуальная и на сегодняшний день. Особенно возрастает потребность уметь решать эту задачу для мобильных агентов. В данной работе представлен алгоритм нахождения кратчайшего пути, учитывающий мобильные ограничения агента. Также были созданы модификации этого алгоритма, использующие в поиске предсказания созданной и обученной модели на основе архитектуры трансформера. По результатам экспериментального исследования, использование этих предсказаний повышает эффективность планирования траектории мобильного агента.

Finding the shortest path in a graph is a classic problem that is still relevant today. The need to solve this problem for mobile agents is particularly increasing. This work presents an algorithm for finding the shortest path, taking into account the mobile constraints of the agent. Modifications of this algorithm were also created, which utilize predictions made by a trained transformer-based model during the search process. The results of experimental research show that using these predictions improves the efficiency of mobile agent trajectory planning.