在擁擠環境中實現安全導航，不僅需要避免碰撞，還需要協調各方有序通過。傳統方法往往依賴通信、預設優先級或對鄰居目標的建模，這些在動態、異構的羣體中難以實現。為此，研究者提出了神經形態決策動力學（Neuromorphic Decision Dynamics，NDD），一種去中心化、基於事件的控制器，旨在為擁堵空間中的導航提供安全性、活性、魯棒性和可擴展性保證。
NDD的核心思想是將安全且活躍的衝突消解設計為局部智能體交互的一種可控、可局部調節的湧現屬性。每個智能體無需與其他智能體通信，也無需預先分配優先級，更不需要知道鄰居的目標、未來動作或羣體規模等全局信息。相反，NDD將智能體內部決策和注意力狀態的動態變化與物理狀態及局部觀測到的相對運動耦合起來。每個智能體沿着預定路徑連續調節速度，對沖突做出及時且適度的響應。
當智能體在局部感知到潛在衝突時，它們會自發組織成互不重疊的局部交互組。這些組內的智能體通過決策-動作反饋機制協同解決衝突。當某個組的衝突變得安全關鍵時，集體猶豫不決的狀態會被打破，協調的衝突解決行為湧現出來，從而在組內穩定出一個安全的通行順序。一旦衝突解除，這個順序會保持，但組可能會分裂或合併，因為智能體會自主適應新的衝突，而已解決衝突的智能體則恢復其正常運動。
作者推導出了關於傳感範圍、反饋增益、響應時間尺度和執行器限制的明確條件，這些條件保證在有限時間內實現碰撞避免和通行順序形成，並且對於任意規模、動態變化的有限異構智能體羣體，不會出現死鎖或活鎖。計算成本與每個智能體感知到的局部交互數量成正比，因此具有良好的可擴展性。
為了驗證NDD的有效性，研究者進行了大規模仿真、與現有方法的比較以及硬件實驗。實驗結果表明，NDD能夠在複雜的擁堵場景中實現安全導航，並驗證了其可擴展性。這項研究為多智能體系統在密集環境中的協調通行提供了一種無需通信、完全分佈式的解決方案，有望應用於自動駕駛、機器人集羣和人羣管理等場景。