Задача мультиагентного планирования путей (MAPF) возникает в различных областях робототехники: для заданных стартов и целей множества агентов требуется найти множество траекторий без столкновений. Всё чаще в MAPF используются обучаемые нейросетевые модели, и их качество определяется в том числе тем, на каких сценариях они обучались.

Главный вызов - получить модели, которые хорошо обобщаются при смене карт, плотности агентов и конфигураций задач. Случайная генерация обучающих эпизодов даёт много однотипных случаев и плохо покрывает редкие, но важные ситуации.

В докладе будет рассмотрен подход к эволюционной оптимизации обучающих сценариев: мы автоматически генерируем и эволюционируем карты для планирования так, чтобы обучение на них приводило к более сильным и устойчивым моделям MAPF. Обсудим, как применяются фреймворки и методы эволюционного поиска (AlphaEvolve/OpenEvolve/GigaEvo/SkyDiscover/EvoX), как задаются метрики качества и ограничения валидности сценариев, и какие риски важно контролировать (переоптимизация под метрики, шумный сигнал качества, стоимость оценивания).

Современные системы анализа видео сталкиваются с необходимостью обработки длинных последовательностей наблюдений, в которых важная информация может быть разделена большими временными интервалами. В отличие от коротких видеоклипов, где весь объём данных можно обработать одновременно, длинные последовательности требуют специальных механизмов: сжатия истории наблюдений, поиска релевантного контекста, выборочного обращения к ключевым фрагментам и поддержания согласованного представления динамически изменяющейся сцены. Особенно остро эта задача стоит в робототехнике и навигации воплощённых агентов, где для выполнения инструкции агент должен опираться на пространственно-временную память о собственных действиях, чтобы восстановить последовательность событий и спланировать маршрут на основе накопленного опыта.

В рамках семинара будут рассмотрены различные методы работы с длинными видеопоследовательностями, включая стратегии отбора наблюдений, использование векторных представлений и внешних хранилищ для поиска релевантной информации, а также подходы к построению долговременных представлений сцены на основе пространственно-временной информации. Отдельное внимание будет уделено ограничениям существующих подходов.