量子科技中心_量科网

多智能体路径规划（MAPF）仍是机器人学领域的核心难题——随着智能体数量增加，传统集中式方法会面临联合状态复杂度的指数级增长。该论文研究了二次无约束二值优化（QUBO）作为同步多机器人路径规划的结构化可扩展方案。这种面向机器人学的QUBO公式融合了基于广度优先搜索的逻辑预处理（实现超95%的变量削减）、碰撞与约束执行的自适应惩罚设计，以及能在当前硬件限制内执行的时间窗口分解策略。在最多四台机器人的网格环境实验中，该方法在密集场景中展现出接近最优的解，相较传统顺序规划展现出更优的扩展性能。这些成果为未来量子及类量子多机器人协调研究奠定了实用且可复现的基准。