去中心化多機器人運動規劃（Decentralized Multi-robot Motion Planning）是機器人領域的一個核心挑戰：每個機器人僅依賴局部觀測生成無碰撞軌跡，既不能依賴全局感知，也無法依靠可靠的通信。然而，無論是經典方法還是基於學習的方法，現有規劃器大多從局部觀測的靜態快照出發生成軌跡，這嚴重限制了它們預測鄰居機器人未來行為的能力。隨着機器人數量增加、環境變得擁擠，這一侷限性愈發凸顯。
為應對這一挑戰，近期研究提出了名為“模擬信息擴散”（Simulation-Informed Diffusion, SID）的分散式框架。該框架建立在約束感知擴散模型（Constraint-Aware Diffusion Models, CADM）之上。其工作原理分為兩步：首先，SID利用CADM從當前觀測到的鄰居狀態模擬出它們在未來的軌跡；然後，在模擬結果提供的安全約束下，使用同一個CADM為每個機器人規劃自己的軌跡。關鍵之處在於，這種對鄰居行為的精確模擬使得一種極簡通信方案成為可能——僅當場景高度擁擠、不得不協調時，機器人之間才會交換信息，從而大幅降低通信開銷。
實驗環節在多種不同的環境中進行，結果顯示SID在規劃有效性和約束滿足度上始終優於現有基線方法。更重要的是，該方法能夠擴展到包含108台機器人和160個障礙物的複雜場景，證明了其出色的可擴展性。該論文由Jinhao Liang等人撰寫，於2026年5月26日提交至arXiv，歸屬於機器人學（cs.RO）、人工智能（cs.AI）和機器學習（cs.LG）三個子領域。
這項研究的意義在於，它巧妙地將擴散模型的應用從傳統的數據生成拓展到機器人之間的交互預測，為去中心化運動規劃提供了一種既有效又高效的新思路。未來，這一方向可能進一步結合強化學習或在線優化，以實現更加魯棒和智能的多機器人協同。