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 статьюФормулировка результата соответствует объединённой оценке, доступной на момент публикации.