這項由俄國人工智能研究所（AIRI）、莫斯科物理技術學院以及倫敦數學科學研究所的聯合團隊在2025年1月發表的研究，為多智能體協作問題提供了一個創新解決方案。論文題為《SRMT：多智能體終身尋路的共享記憶》，由阿爾蘇·薩吉洛娃（Alsu Sagirova）、尤里·庫拉托夫（Yuri Kuratov）和米哈伊爾·布爾采夫（Mikhail Burtsev）共同完成。感興趣的讀者可以通過arXiv預印本平臺（編號：2501.13200v1）獲取完整論文內容。

在人工智能的世界里，讓多個智能機器人協同工作一直是個令人頭疼的問題。你可以把這種困境比作一群失明的人試圖一起通過一個擁擠的迷宮——每個人都只能看到自己周圍很小的范圍，但必須和其他人合作才能成功到達目標。傳統的解決方案要么讓所有機器人都聽命于一個中央指揮官，要么讓它們通過復雜的通信協議互相交流。但這些方法都有各自的局限性：中央控制在現實環境中往往不可行，而復雜的通信又容易在關鍵時刻出現故障。

研究團隊受到人類大腦"全局工作空間理論"的啟發，提出了一個巧妙的解決方案：共享記憶變換器（SRMT）。這個概念就像給每個機器人都裝上了一個"集體大腦"的連接器，讓它們能夠通過共享記憶來隱性地交換信息和協調行動。與傳統方法不同，這種技術不需要復雜的通信協議，而是讓每個機器人都能訪問一個共同的記憶池，從中獲取其他機器人的經驗和決策信息。

一、機器人的"瞬間移動"難題：什么是多智能體尋路問題

多智能體尋路問題聽起來很學術，但其實在日常生活中隨處可見。想象一下繁忙的機場里，數百名乘客需要同時從不同的登機口走向不同的目的地，但每個人的視野都很有限，只能看到周圍幾步的范圍。如果沒有良好的協調機制，人們就會在狹窄的走廊里發生擁堵，甚至完全堵死通道。

在機器人世界里，這個問題變得更加復雜。每個機器人都有自己的起始位置和目標位置，它們需要在一個二維網格環境中移動，這個環境就像一個巨大的方格紙，有些方格是障礙物（比如墻壁），有些方格是可以通行的空地。機器人的行動規則很簡單：每個時間步驟，它們可以選擇移動到相鄰的方格，或者保持在原地不動。

這個問題的核心挑戰在于"部分可觀察性"。每個機器人就像戴著只能看到周圍5x5范圍的"望遠鏡"，對于更遠的環境一無所知。它們不知道其他機器人要去哪里，也不知道其他機器人下一步會做什么決定。這就好比在一個黑暗的房間里，每個人只有一支手電筒，照亮范圍非常有限，但大家都需要到達房間的不同角落。

更棘手的是，機器人們不能占據同一個位置——它們會發生"碰撞"。這就像兩個人試圖同時擠進同一扇門，結果誰都過不去。在狹窄的通道中，這種問題尤為嚴重。研究團隊特別設計了一個"瓶頸導航任務"來測試他們的方法：兩個機器人分別位于由狹窄走廊連接的兩個房間中，它們的目標都在對面的房間里。這意味著兩個機器人必須通過同一條只有一個方格寬度的走廊，就像兩個人要通過一扇很窄的門。

傳統的解決方案通常依賴于手工設計的獎勵機制和外部指導。比如，程序員會告訴機器人"如果你朝目標方向移動就給你獎勵，如果你偏離方向就扣分"。但這種方法有個致命缺陷：它無法處理需要短期"犧牲"來獲得長期利益的情況。在瓶頸場景中，有時一個機器人需要先后退幾步，讓另一個機器人先通過，這樣整體效率才能最大化。但傳統的獎勵機制會懲罰這種"后退"行為，導致機器人陷入死鎖。

二、大腦啟發的解決方案：共享記憶的魔力

人類大腦的工作方式給了研究團隊巨大啟發。根據"全局工作空間理論"，人類大腦中有許多獨立的功能模塊，這些模塊通過一個共享的"全局工作空間"來協調工作。比如，當你看到一個紅色的蘋果時，視覺模塊識別出形狀和顏色，記憶模塊提供關于蘋果的知識，情緒模塊可能會產生"想吃"的感覺。所有這些信息都會匯集到全局工作空間中，形成統一的意識體驗。

研究團隊把這個概念應用到機器人協作中：將每個機器人視為一個獨立的"功能模塊"，通過共享記憶空間來實現協調。這就像給每個機器人都連上了一個"云端大腦"，它們可以將自己的經驗和想法上傳到這個共享空間，同時也能下載其他機器人的信息。

具體來說，共享記憶變換器（SRMT）的工作原理可以用一個圖書館的比喻來理解。每個機器人都有自己的"個人筆記本"，記錄著自己的觀察、經驗和決策過程。在做決策時，機器人不僅會翻閱自己的筆記本，還會查閱"公共圖書館"中其他機器人留下的筆記。通過這種方式，即使機器人們無法直接交流，它們也能了解彼此的意圖和計劃。

這個系統的技術核心是變換器（Transformer）架構——這是目前人工智能領域最先進的神經網絡結構之一，也是支撐ChatGPT等大語言模型的基礎技術。研究團隊對傳統的記憶變換器進行了創新性擴展，添加了"記憶池化"和"全局廣播"功能。

記憶池化就像是把所有機器人的個人經驗匯集成一個巨大的經驗庫。每個機器人在每個時間步驟都會將自己的記憶向量（可以理解為經驗的數字化表示）放入這個共享池中。全局廣播則確保每個機器人都能訪問這個完整的經驗庫，而不僅僅是自己的個人經驗。

最巧妙的是，這個系統通過"交叉注意力機制"實現了智能的信息篩選。就像一個經驗豐富的圖書管理員，機器人能夠識別哪些共享記憶對當前情況最有用，并重點關注那些信息。比如，當機器人面臨選擇通路的決策時，它會特別關注其他機器人在類似情況下的選擇和結果。

三、瓶頸測試：讓機器人學會"禮讓"

為了驗證共享記憶技術的效果，研究團隊設計了一系列測試場景。最基礎也最能說明問題的是"瓶頸導航任務"。這個任務的設置看似簡單：兩個房間通過一條狹窄的走廊連接，每個房間里有一個機器人，它們的目標都在對面的房間。走廊的寬度只有一個方格，這意味著兩個機器人無法同時通過。

這個看似簡單的場景實際上包含了多智能體協作中的所有核心挑戰。首先是感知限制：每個機器人只能看到周圍5x5范圍內的環境，無法提前知道對方的存在和意圖。其次是協調難題：兩個機器人都想盡快到達目標，但如果它們同時沖向走廊，就會在入口處發生堵塞，誰都過不去。最后是學習挑戰：機器人需要通過試錯來學習最優策略，但傳統的獎勵機制很難指導它們找到需要短期犧牲的長期最優解。

研究團隊用不同長度的走廊來測試系統的適應性。訓練時使用的走廊長度在3到30個方格之間隨機變化，但測試時走廊長度可以達到1000個方格。這就像先讓學生練習走過不同長度的獨木橋，然后考試時給他們一座超級長的橋。

測試結果令人印象深刻。在最具挑戰性的"稀疏獎勵"設置下（機器人只有到達目標時才能獲得獎勵，中間過程沒有任何指導），SRMT展現出了顯著優勢。傳統方法在這種設置下基本無法學到有效策略，因為缺乏中間步驟的獎勵指導，機器人很難發現需要"禮讓"才能雙贏的策略。但SRMT通過共享記憶，讓機器人能夠學習到復雜的協調行為。

更有趣的是，SRMT學到的策略展現出了類似人類的"社交智慧"。通過分析機器人的記憶表示，研究團隊發現，當兩個機器人在環境中相互接近時，它們的記憶向量之間的相似度也會增加。這就像兩個陌生人在狹窄空間中相遇時會產生的默契。當一個機器人到達目標后，另一個機器人的記憶表示會立即發生變化，反映出"搭檔已經完成任務，現在我可以安全前進了"的理解。

四、復雜環境中的表現：從實驗室到真實世界

瓶頸測試只是開始。研究團隊還在更復雜的環境中測試了SRMT的性能，使用了POGEMA基準測試平臺中的各種場景。這個平臺就像是多智能體系統的"奧運會"，包含了各種不同類型的挑戰環境。

在迷宮環境中，SRMT需要協調多達64個機器人同時尋找各自的目標。這些迷宮有著復雜的結構，充滿了死胡同和狹窄通道。機器人不僅要找到通往目標的路徑，還要避免在狹窄區域發生擁堵。SRMT在這種環境下的表現特別出色，因為共享記憶讓機器人能夠了解整體的"交通流量"，自動分散到不同的路徑上。

隨機環境測試則模擬了不可預測的障礙物分布。就像在一個不斷變化的建筑工地中導航，機器人需要適應各種意外情況。SRMT的適應能力在這種環境中得到了充分體現，它能夠快速調整策略以應對新的障礙物配置。

最具挑戰性的是MovingAI環境，這些是基于真實地圖數據的大型場景，包括城市街道、建筑物內部等復雜結構。在這些環境中，SRMT需要處理更大規模的協調問題，有時涉及數百個機器人的同時導航。

倉庫環境測試則直接針對實際應用場景。現代物流倉庫中，數十臺機器人同時工作，搬運貨物、揀選訂單。這種環境的特點是通道狹窄、任務密集，需要精確的協調以避免擁堵。SRMT在這種高度擁擠的環境中表現優異，特別是當它與啟發式路徑規劃算法結合時，能夠達到接近專門設計的倉庫管理系統的性能水平。

研究團隊還測試了SRMT的"終身學習"能力。與傳統的單次任務不同，終身多智能體尋路要求機器人在完成一個目標后立即接收新的目標，持續工作。這就像快遞員一天內要送多個包裹，每送完一個就要馬上去下一個地址。在這種設置下，系統的性能指標是"平均吞吐量"——每個時間步驟平均有多少個機器人成功到達目標。

在40個不同的迷宮環境中訓練后，SRMT展現出了令人印象深刻的泛化能力。當把它部署到訓練時從未見過的環境類型中時，它仍能保持良好的性能。這種泛化能力對于實際應用至關重要，因為現實世界的環境總是在變化，不可能為每種可能的情況都專門訓練系統。

五、與傳統方法的較量：共享記憶的優勢

為了真正證明SRMT的價值，研究團隊將它與多種現有的先進方法進行了詳細比較。這場比較就像是一場技術擂臺賽，各種不同的解決方案都展示了自己的招牌技能。

傳統的通信型方法，如MAMBA和DCC，就像給每個機器人都裝上了對講機，讓它們能夠直接交流信息。MAMBA使用了復雜的基于變換器的通信協議，每個機器人都能向其他機器人發送結構化的消息。但這種方法有個根本問題：在真實環境中，通信可能會中斷或延遲，而且隨著機器人數量增加，通信負擔會急劇增長。

另一類方法是基于價值分解的協作學習，如QMIX和QPLEX。這些方法試圖學習一個"聯合價值函數"，能夠評估所有機器人聯合行動的價值。就像一個超級計算機同時計算所有棋子的最優走法。但這種方法的問題是，隨著機器人數量增加，計算復雜度會呈指數級增長，很快就變得不可行。

還有一些方法采用了個體記憶機制，如ATM和RATE。這些方法給每個機器人配備了個人記憶系統，就像給每個人發一個筆記本。但個人記憶的問題是缺乏協調——每個機器人只能從自己的經驗中學習，無法了解其他機器人的策略和意圖。

在瓶頸導航任務中，SRMT在所有三種獎勵設置下都顯著優于這些基準方法。在"方向性獎勵"設置下（機器人朝目標方向移動就獲得小額獎勵），大多數方法都能學到基本策略，但SRMT的成功率仍然最高。在"稀疏獎勵"設置下（只有到達目標才有獎勵），傳統方法的性能急劇下降，而SRMT仍能保持近乎完美的表現。

更令人印象深刻的是SRMT的泛化能力測試。當研究團隊將走廊長度擴展到訓練時使用長度的數十倍時，大多數基準方法都失效了，但SRMT仍能保持良好性能。這說明共享記憶機制學到的不只是特定情況下的策略，而是更通用的協調原則。

在大規模POGEMA基準測試中，SRMT在六個關鍵性能指標上都表現出色。在"性能"指標上，它在隨機和迷宮環境中都達到了接近最優的吞吐量。在"尋路"指標上，它能在大型地圖上找到接近最短的路徑。在"擁堵管理"指標上，特別是當與啟發式規劃結合時，它在高密度環境中的表現甚至超過了一些專門設計的倉庫管理算法。

六、技術細節：共享記憶如何工作

理解SRMT的工作原理，最好的方法是將其比作一個高效的"集體決策系統"。每個機器人都像是這個系統中的一個"專家顧問"，它們不僅基于自己的專業知識做決策，還會參考其他專家的意見。

整個系統的核心是一個三層的信息處理架構。第一層是"空間編碼器"，負責理解機器人當前觀察到的環境信息。這個編碼器使用了深度卷積神經網絡（基于ResNet架構），能夠識別周圍的障礙物、其他機器人的位置以及目標的方向。就像人類的視覺皮層，它將原始的視覺輸入轉換成有意義的空間表示。

第二層是SRMT核心，這是整個系統最創新的部分。每個機器人在這一層維護著三種不同類型的信息：個人記憶向量、歷史觀察序列和當前觀察。個人記憶向量就像是機器人的"經驗檔案"，記錄著它過去的決策經驗和學到的策略模式。歷史觀察序列包含了過去8個時間步驟的觀察，為機器人提供了動態變化的環境信息。

這三類信息首先通過"自注意力機制"進行整合。自注意力就像是機器人在做決策前的"內心對話"——它會回顧自己的經驗，分析當前情況，預測可能的后果。但SRMT的獨特之處在于增加了"交叉注意力層"，這讓機器人能夠訪問其他所有機器人的記憶向量。

交叉注意力的工作過程可以用一個"智囊團會議"來類比。當機器人需要做決策時，它會召開一個虛擬會議，所有其他機器人的記憶都會作為"顧問"參與討論。機器人會根據當前情況的相似性給不同顧問的意見分配權重——如果另一個機器人曾經處理過類似的情況，它的意見就會得到更多關注。

第三層是"動作解碼器"，負責將整合后的信息轉換為具體的行動決策。這個解碼器不僅輸出機器人下一步應該采取的行動，還會更新機器人的個人記憶向量，為未來的決策積累經驗。

整個系統的訓練過程使用了先進的強化學習算法。機器人通過與環境的互動來學習，每當它們成功協調避免沖突或高效到達目標時，就會獲得正面反饋，相應的決策模式會被強化。關鍵是，由于共享記憶的存在，一個機器人的成功經驗能夠迅速傳播給其他所有機器人，大大加速了整個系統的學習過程。

研究團隊還發現了一個有趣的現象：SRMT會自動發展出"記憶層級"。一些記憶向量會專門編碼環境的靜態特征（如障礙物分布），另一些則專注于動態協調信息（如其他機器人的移動模式），還有一些會記錄成功協調的具體策略。這種自發的功能分化使得系統能夠更高效地處理不同類型的信息。

七、實際應用前景：從實驗室到現實世界

SRMT技術的成功不僅在學術界引起關注，更重要的是它為解決現實世界中的復雜協調問題開辟了新的可能性。當前，多智能體系統的應用正在快速擴展，從工業自動化到城市管理，都能看到它們的身影。

在現代物流倉庫中，SRMT技術可能帶來革命性的改變。目前的倉庫機器人系統通常依賴復雜的中央調度系統，這些系統需要持續跟蹤每個機器人的位置、任務狀態和路徑規劃。但這種中央化方法在規模擴大時面臨瓶頸，而且一旦中央系統出現故障，整個倉庫的運營就會停擺。SRMT提供了一種更加魯棒的替代方案：每個機器人都能獨立做出智能決策，同時通過共享記憶保持整體協調。

城市交通管理是另一個極具潛力的應用領域。雖然當前的研究主要關注機器人導航，但其核心思想完全可以擴展到自動駕駛汽車的協調中。傳統的車聯網技術依賴車輛間的直接通信，但這種方法在信號擁擠或通信中斷的情況下會失效。基于共享記憶的方法可能讓自動駕駛汽車即使在通信受限的環境中也能保持良好的協調性。

在搜救行動中，SRMT技術也顯示出巨大價值。搜救機器人經常需要在通信條件惡劣的環境中協同工作，如地震廢墟或地下空間。傳統的通信型協調方法在這種環境中往往失效，但基于共享記憶的方法可能讓機器人在信息傳輸受限的情況下仍能維持有效協作。

智能制造領域同樣能從這項技術中受益?，F代工廠中，多個機器人臂需要協調完成復雜的裝配任務。當前的解決方案通常需要精確的預編程和嚴格的時序控制，難以適應產品變化或設備故障。SRMT技術可能讓制造機器人具備更強的適應性，能夠自主調整協作策略以應對各種意外情況。

當然，將實驗室技術轉化為實際應用還面臨許多挑戰。首先是計算資源的要求：SRMT系統需要大量的計算能力來處理共享記憶和注意力機制。雖然在實驗環境中這不成問題，但在資源受限的實際設備上可能需要進行優化。

其次是安全性考慮。在實際應用中，機器人的決策失誤可能導致嚴重后果，因此需要建立更完善的安全保障機制。研究團隊提到，當前的系統像其他學習型方法一樣，不能提供理論上的完成保證，這在某些關鍵應用中可能是個限制因素。

還有擴展性的挑戰。雖然SRMT在實驗中能夠處理數十到上百個機器人的協調，但在某些實際應用中可能需要協調成千上萬個智能體。如何在保持效果的同時將系統擴展到更大規模，仍然是一個開放的研究問題。

八、未來發展方向：技術演進與創新空間

SRMT技術的成功只是多智能體協作研究的一個新起點。研究團隊在論文中提到了幾個重要的未來發展方向，這些方向不僅具有學術價值，更可能帶來實際應用的突破。

首先是記憶機制的進一步優化。當前的SRMT使用固定大小的記憶向量，但在復雜環境中，不同類型的信息可能需要不同容量的存儲空間。未來的研究可能會開發自適應記憶分配機制，讓系統能夠根據任務需求動態調整記憶資源的分配。

另一個有前景的方向是層次化協調。目前的SRMT主要處理同級機器人之間的協調，但在實際應用中經常需要處理不同層級的協調問題。比如，在大型倉庫中可能有負責整體規劃的"管理機器人"和執行具體任務的"工作機器人"。如何將共享記憶機制擴展到支持這種層次化結構，是一個重要的研究課題。

個性化協調也是一個值得探索的方向。當前的SRMT假設所有機器人都是同質的，使用相同的策略網絡。但在實際應用中，不同機器人可能有不同的能力和特長。比如，一些機器人可能更擅長在狹窄空間中導航，另一些可能在負重運輸方面更有優勢。如何讓共享記憶系統支持這種異構協調，可能會帶來性能的顯著提升。

與人類的協作是另一個重要的研究方向。在許多實際場景中，機器人需要與人類工作者協同作業。人類的行為模式與機器人有很大差異，具有更強的隨機性和創造性。如何讓基于共享記憶的機器人系統理解和適應人類行為，是一個既有挑戰性又有實際意義的問題。

技術融合也提供了廣闊的創新空間。SRMT可以與其他先進技術結合，產生更強大的系統。比如，將其與大語言模型結合，可能讓機器人系統具備更強的推理和解釋能力。與計算機視覺技術的結合，可能讓系統在更復雜的視覺環境中工作。與邊緣計算技術的結合，可能解決計算資源的限制問題。

長期來看，共享記憶的概念可能會影響整個人工智能領域的發展。它提供了一種新的思路來處理多智能體之間的信息共享和協調問題，這種思路不僅適用于機器人導航，也可能應用到其他需要多個智能體協作的場景中，如分布式計算、游戲人工智能、金融交易等。

說到底，SRMT技術代表了人工智能發展的一個重要趨勢：從單個智能體的智能化，向多智能體系統的集體智能化轉變。就像人類社會從個體生存演進到復雜的社會協作一樣，人工智能系統也正在學習如何進行更高效、更智能的集體決策。這項來自莫斯科科學家的研究，為這個演進過程貢獻了一個重要的技術基石。

雖然當前的SRMT還主要局限于實驗環境，但它展示的潛力已經足夠令人興奮。隨著技術的進一步成熟和優化，我們有理由相信，基于共享記憶的多智能體系統將在不久的將來成為智能機器人協作的主流方案，從根本上改變機器人在各個領域的應用方式。對于那些想要深入了解這項技術細節的讀者，完整的研究論文已經在arXiv平臺公開發布，編號為2501.13200v1，提供了更詳細的技術實現和實驗結果分析。

Q&A

Q1：共享記憶變換器SRMT是什么技術？它如何讓機器人學會協作？

A：SRMT是一種讓多個機器人通過共享記憶來協調行動的人工智能技術。就像給每個機器人連上了"集體大腦"，它們可以將自己的經驗上傳到共享記憶池中，同時也能訪問其他機器人的經驗。這樣，即使機器人無法直接交流，也能通過共享記憶了解彼此的意圖和策略，從而實現默契配合。

Q2：SRMT技術比傳統的機器人協作方法有什么優勢？

A：傳統方法要么需要中央控制系統統一指揮，要么需要復雜的通信協議讓機器人互相交流，但這些方法在實際環境中容易出現故障或瓶頸。SRMT的優勢是每個機器人都能獨立決策，不依賴中央控制，同時通過共享記憶保持協調。在測試中，特別是在"稀疏獎勵"這種困難環境下，SRMT的成功率遠超傳統方法。

Q3：SRMT技術現在可以應用到哪些實際場景中？

A：目前SRMT主要在實驗環境中驗證，但已經顯示出在多個領域的應用潛力。最直接的應用是現代物流倉庫中的機器人協調，可以讓倉庫機器人更高效地避免擁堵。此外，還可能應用于自動駕駛汽車的協調、搜救機器人的協同作業、智能制造中的機器人臂協調等場景。不過要真正投入實用還需要解決計算資源需求和安全保障等工程化問題。