多机器人运动规划领域的一个核心难题在于：既要让机器人之间保持足够的协调以避免相互冲突，又要避免因搜索整组机器人的联合构型空间而付出巨大的计算代价。Isaac Ngui 等五位作者在论文《Scalable Multi-robot Motion Planning via Hierarchical Subproblem Expansion and Workspace Decomposition Refinement》中提出了一种面向多移动机器人的运动规划方法，据称可将规划时间最多缩短一个数量级——即提升约十倍的效率。该论文已于 2026 年 5 月 19 日提交至 arXiv，编号为 arXiv:2605.20395，并被 WAFR 2026 接收。
该方法的关键思路是：利用对工作空间分解（workspace decomposition）的离散搜索，在规划过程中为各机器人之间提供协调。作者指出，既有研究通常借助工作空间拓扑来判断何时需要机器人之间的协调，随后再把相关机器人组合进联合构型空间进行求解；而他们的做法更进一步，通过迭代细化工作空间表示，使规划器能够在更小、彼此解耦的构型空间中完成搜索，从而显著减小问题规模与计算开销。
从技术角度看，这一方法把协调决策与运动规划解耦：先在工作空间层面以离散方式判断机器人在何处、何时可能发生交互，再据此将原本庞大的联合搜索拆分为若干可独立求解的子问题，并在迭代过程中不断细化和修正工作空间划分。论文标题中的“分层子问题扩展”（Hierarchical Subproblem Expansion）与“工作空间分解细化”（Workspace Decomposition Refinement）正对应这一两级流程。
论文摘要强调，该方法在规划时间上实现了最多一个数量级的改进，并且这种加速来源于对协调机制的全新组织方式，而非单纯依赖更强的计算资源或更粗略的近似。其适用对象为多移动机器人场景，这类场景广泛存在于仓储物流、工厂搬运与多智能体协同作业等应用中。
需要说明的是，上述性能提升是作者在论文中报告的结果，摘要并未说明具体实验平台、机器人数量、地图规模与基线方法等细节，这些需查阅论文全文（作者提供了 PDF、实验性 HTML 版本以及 TeX 源码链接）予以核实。该工作被 WAFR 2026 接收，表明其经过了相关领域会议的同侪评审。论文提交于 2026 年 5 月 19 日 18:44:09 UTC，文件大小约 2,340 KB，DOI 为 https://doi.org/10.48550/arXiv.2605.20395，目前 DOI 注册由 DataCite 处理中，论文学科分类为机器人学（cs.RO）。