本文解决了一个多智能体协作导航问题，即多个智能体在未知环境中协同工作，在不发生碰撞的情况下到达不同的目标，并最大限度地减少它们花费的最大导航时间。 典型的基于强化学习的解决方案直接将协作导航策略建模为steering policy。 然而，当每个智能体不知道要前往哪个目标时，这种方法可能会延长收敛时间并降低整体性能。 为此，我们将导航策略建模为**动态目标选择策略和碰撞避免策略**的组合。 奖励函

本文解决了一个多智能体协作导航问题，即多个智能体在未知环境中协同工作，在不发生碰撞的情况下到达不同的目标，并最大限度地减少它们花费的最大导航时间。 典型的基于强化学习的解决方案直接将协作导航策略建模为steering policy。 然而，当每个智能体不知道要前往哪个目标时，这种方法可能会延长收敛时间并降低整体性能。 为此，我们将导航策略建模为**动态目标选择策略和碰撞避免策略**的组合。 奖励函