Исследователи AIRI и МФТИ создали среду CAMAR для управления сотнями автономных агентов

Исследователи Института AIRI и МФТИ разработали CAMAR ^[1] — универсальную среду для обучения ^[2] и тестирования алгоритмов управления большим числом автономных агентов. Работа принята на основной трек конференции AAAI-2026 и получила Best Poster Award среди 24 тысяч поданных исследований. Разработка ориентирована на ускорение исследований и внедрение технологий автономной логистики и робототехники, рассказали информационной службе Хабра в пресс‑службе AIRI. Проект распространяется как open‑source под лицензией MIT и доступен для исследователей и компаний.

Новая платформа решает задачу координации движения тысяч устройств, которые работают в одно время. Такие задачи встречаются на складах, в городской логистике и транспортных системах. Каждое устройство движется к своей точке назначения и при этом не должно сталкиваться с другими участниками.

Разработка работает очень быстро. За одну секунду платформа обрабатывает 100 тысяч шагов в симуляции. Это равно почти трём часам реальной работы 32 роботов на большом складе. Система способна корректно работать с 800 роботами и более. Благодаря этому алгоритмы обучаются быстрее, и их можно проверять в условиях с большим количеством объектов.

По словам создателей, платформа отличается гибкостью настроек. Пользователи могут создавать свои правила для движения устройств и настраивать различные типы карт. Это могут быть складские помещения или городские районы с плотной застройкой. В системе уже есть готовые сценарии и модели, а высокая скорость работы сохраняется даже при множестве настроек.

CAMAR позволяет тестировать различные методы управления. Можно использовать алгоритмы на основе искусственного интеллекта ^[3] или классические методы поиска пути. Система поддерживает комбинированные варианты, в которых традиционные алгоритмы работают вместе с методами обучения. Это помогает понять, какой подход эффективнее для конкретной задачи.

Исследователь группы RL‑агентов Лаборатории когнитивных систем ИИ Института AIRI Артём Пшеницын отметил, что команда стремилась создать быстрый и гибкий инструмент. По словам Артём Пшеницын, платформа приближена к реальным условиям и даёт возможность проверять взаимодействие сотен устройств в ограниченном пространстве на скорости, которая ранее была недостижима.