RAILGUN：一种统一的卷积策略，用于多智能体路径规划在不同环境和任务中的应用

本文解决了多智能体路径规划（MAPF）中的去中心化规划问题，提出了一种名为RAILGUN的中心化学习策略。通过采用基于卷积神经网络的架构，RAILGUN能够在不同的地图上进行有效的路径规划，显著超越了大多数基线方法，并在未见过的任务和地图上展示了卓越的零-shot泛化能力。