AIM Labs

Research

RU

Исследование по итогам соревнования · Июль 2026

Первое место в объединённой оценке League of Robot Runners 2026.

Команда AIM Labs — Егор Юхневич, Ерасыл Кенесбек и Ерсайн Кенесбек — выступила под названием No Man’s Sky. Финальная система заняла первое место в объединённой оценке, набрав 10,628 балла и выполнив 310 466 задач.

Место
1
Выполнено задач
310 466
Объединённый результат
10,628
Отправок
87

Задача

Планировать, пока мир продолжает двигаться.

Соревнование объединяет непрерывное многоагентное планирование маршрутов и онлайн-распределение задач. Агенты выполняют действия, занимающие несколько тактов, при случайных задержках, ограниченном обмене состоянием и строгом лимите вычислений на каждом такте. Полезный план должен быть безопасным, быстрым и соответствовать состоянию, в котором он действительно начнёт выполняться.

Система

Единый онлайн-контур планирования.

Финальная система объединяет прогнозирование, распределение задач, поиск и управление вычислительным бюджетом в одном рабочем цикле. Планирование идёт параллельно исполнению, сохраняя точное представление об агентах и их задачах.

Модель мира
Воспроизводит симулятор вперёд и отслеживает задержки, действия, прогресс задач и будущие границы планирования.
EPIBTX
Строит допустимые короткие последовательности операций с наследованием приоритетов, откатом и многотактовыми резервированиями.
Адаптивный поиск
Параллельный Large Neighborhood Search улучшает безопасный план, соблюдая жёсткий лимит времени.
Планировщик и эвристики
Фоновый планировщик и эвристики карты учитывают распределение задач, ориентацию, расстояния и загруженность.

Результат

Лучший объединённый результат.

Финальную конфигурацию выбрали по итогам 87 отправок в систему соревнования. Она выполнила 310 466 задач и получила лучший результат в объединённой оценке — 10,628. История разработки показала, что точность прогнозирования, эвристики с учётом карты и явное управление вычислительным бюджетом важнее универсальной настройки коэффициентов.

Статья

Масштабируемое многоагентное планирование.

В полной статье описаны архитектура системы, процесс разработки, сравнение компонентов и ограничения подхода.

Читать статью

Формулировка результата соответствует объединённой оценке, доступной на момент публикации.

Контакты

Создадим вместе
то, что будет дальше.