CoopUQ

CoopUQ 是一个不确定性感知的多机器人协同导航框架，核心模块包括跨机器人的时空特征融合预测和不确定性驱动的约束强化学习策略。

CoopUQ 使用学习到的注意力机制进行跨机器人特征融合，机器人根据自身视角的置信度自适应地加权同伴提供的信息。

CoopUQ 的预测模块输出每个栅格位置的预测不确定性，并将这些不确定性映射为强化学习中的成本惩罚。

CoopUQ 的风险敏感度可调：在分布内场景中策略可以更激进，在 OOD 场景中不确定性升高会自动触发更保守的行为。

CoopUQ 在多个基于 Unity3D 的仿真环境中进行了评估，覆盖分布内和 OOD 设置，包括不同布局、行人密度和行人急促行为。

CoopUQ 在预测性能和导航安全性上均优于代表性基线。

CoopUQ 的真机实验验证了其在多种场景下的鲁棒性。

研究团队开源了 CoopUQ 的代码和演示视频，项目页面为 https://coopuq.github.io/。

紧耦合（如 CoopUQ 采用的成本约束式耦合）将预测输出嵌入决策优化目标中联合训练，优势是分布偏移时策略可自动降级为保守行为，代价是训练复杂度更高、模块间接口设计更敏感。