引用本文

孙长银, 孙健, 杨涛, 易新蕾. 多智能体系统专刊序言. 自动化学报, 2025, 51(3): 485−488 doi: 10.16383/j.aas.c202501

Sun Chang-Yin, Sun Jian, Yang Tao, Yi Xin-Lei. Guest editorial of the special issue on multi-agent systems. Acta Automatica Sinica, 2025, 51(3): 485−488 doi: 10.16383/j.aas.c202501

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c202501

文章导读

近年来, 随着互联网技术、通信技术和传感技术的快速发展, 多智能体系统逐渐成形. 多智能体系统是指由多个具有自主决策能力的智能体通过分布式网络架构组成的协同系统. 每个智能体既是独立的功能单元, 具备局部感知、计算和执行能力, 又能通过特定通信协议与相邻节点进行信息交互, 最终通过分布式协调机制实现全局优化目标.

该方向仍面临许多挑战, 迫切需要融合跨学科理论、设计新型分布式算法, 并通过虚实结合的验证平台推动技术落地, 最终实现从“机械协同”到“自主认知”的跨越. 因此, 《自动化学报》组织“多智能体系统”专刊, 旨在促进控制、优化、学习理论与多智能体系统的融合发展, 为科研人员和其他相关从业者提供一个展示最新理论和实践成果的平台. 本专刊包括综述、多智能体系统控制、多智能体系统协同优化和学习, 经同行评议录用共计28篇, 部分文章将在下期发表.

中国科学技术大学秦家虎教授等重点讨论在微分博弈下多智能体协同问题的建模与分析, 并简要总结如何应用强化学习算法求解博弈均衡. 选取多移动机器人导航和电动汽车充电调度这两个典型的多智能体协同场景, 介绍博弈与控制融合的思想如何用于解决相关领域的难点问题.

中南大学罗彪教授等梳理多智能体强化学习在控制与决策领域的研究, 分析其面临的主要问题与挑战, 从控制理论与自主决策两个层次综述现有的研究成果与进展, 并针对未来的研究方向进行展望.

华东理工大学唐漾教授等对多智能体强化学习在博弈中的应用进行系统综述. 介绍多智能体强化学习的基本理论, 并回顾相关算法及基线测试环境的演变. 针对合作、对抗和混合任务, 分析提高合作效率和对抗能力的最新进展. 同时, 结合实际应用, 讨论混合博弈的研究前沿.

北京大学谢广明教授等概述追逃博弈问题的相关研究进展, 从空间环境、信息获取等五个方面介绍追逃博弈问题的各类设定; 简述理论求解、数值求解等四种当下主流的追逃博弈问题研究方法.

北京航空航天大学吕金虎教授等从协同制导的发展历程和任务层次进行分类, 提出四种协同制导方法: 打击时间/角度约束下的协同制导、编队构型约束下的协同制导、角色与任务互补下的协同制导、博弈对抗条件下的协同制导. 总结最新理论进展, 并从研究方法角度分析相关成果的优缺点及适用范围. 深入探讨协同制导面临的技术挑战, 并对未来发展进行展望.

燕山大学闫敬教授等梳理跨域集群相关概念及其发展现状, 分析其面临的挑战与关键问题; 进而从控制理论和通信技术相结合的角度出发, 简述跨域集群任务规划、组网传输、协同控制等关键技术的研究进展; 最后结合实际发展情况和未来发展趋势, 对海上无人系统跨域集群未来值得深入研究的方向进行总结与展望.

安徽大学孙长银教授等阐述具身智能自主无人系统的发展现状, 详细探讨包含大模型驱动的多模态感知、面向具身任务的推理与决策、基于动态交互的机器人学习与控制、三维场景具身模拟器等具身智能领域的关键技术. 最后, 指出目前具身智能无人系统所面临的挑战, 并展望未来研究方向.

作者简介

孙长银

安徽大学人工智能学院教授. 2004 年获得东南大学电子工程专业博士学位. 主要研究方向为智能控制, 飞行器控制, 模式识别和优化理论. E-mail: 20168@ahu.edu.cn

孙健

北京理工大学教授. 2007 年获得中国科学院自动化研究所控制理论与控制工程专业博士学位. 主要研究方向为网络化控制系统, 信息物理融合系统安全性, 多智能体系统. E-mail: sunjian@bit.edu.cn

杨涛

东北大学流程工业综合自动化国家重点实验室教授. 主要研究方向为工业人工智能, 信息物理系统, 分布式协同控制和优化.E-mail: yangtao@mail.neu.edu.cn

易新蕾

同济大学准聘教授. 2020 年获得瑞典皇家理工学院博士学位. 主要研究方向为分布式优化, 在线优化, 元学习和图神经网络. E-mail: xinleiyi@tongji.edu.cn