在动态城市物流场景中，时效性任务往往随机出现，这给异构自主飞行器（AAV）的物流任务分配带来了显著的最优性挑战。针对这一问题，一篇题为《异构AAV物流任务分配：强化学习增强的重叠联盟形成博弈方法》的论文提出了相应解决方案。该论文于2026年5月26日提交至arXiv，属于机器人学（cs.RO）领域，编号为arXiv:2605.26471v1，共12页，由Yuze Zhou等六位作者合作完成，Junzhi Li为提交人。
论文首先建立了一个动态任务分配模型。在该模型中，全局最优性通过一种广义物流成本进行数学量化，而这一成本指标同时耦合了服务质量与资源消耗两个维度。换言之，算法在评估任务分配方案时，既要考虑服务水平，也要权衡资源投入，从而在二者之间寻求平衡。这一建模方式为后续的算法设计奠定了优化目标基础。
为了应对随机订单到达所导致的时变任务集合，研究团队设计了一个基于Transformer的软演员-评论家（soft actor-critic）网络。该网络利用多头自注意力机制对变长物流状态进行编码，并捕捉任务之间的时空依赖关系。通过学习得到的策略，算法能够自适应地引导联盟更新，从而取代重叠联盟形成博弈中原本依赖的启发式规则。在此基础上，异构AAV能够针对动态物流任务组成更高效的重叠联盟。
论文在理论层面也给出了重要保证：所得到的联盟形成过程被证明构成一个精确势博弈（exact potential game），这确保了该过程能够在有限次迭代内收敛到纳什稳定均衡。这一性质为算法的可靠性提供了数学支撑，使其不只是一个启发式方法，而是具有收敛性保证的机制。
数值仿真结果表明，在广义物流成本准则下，所提出的算法有效提升了任务分配的最优性。在包含32架AAV和80个任务的场景中，与启发式重叠联盟形成（OCF）基线相比，该算法实现了39.76%的成本降低，改善幅度相当可观。此外，研究团队还开展了室内飞行实验，进一步验证了该方法的实际可行性。
综合来看，这项工作将强化学习与重叠联盟形成博弈相结合，既在建模上统一了服务质量与资源消耗，又在算法上以学习策略替代启发式规则，并通过势博弈理论保证了收敛性，最后以仿真和实飞实验双重验证了效果，为动态城市物流中的异构AAV协同任务分配提供了一条兼具理论严谨性与工程实用性的技术路径。