[AI学术] MA-SafeDiffuser：基于扩散模型的安全多智能体规划

我们提出 MA‑SafeDiffuser，它是对单智能体 SafeDiffuser 的多智能体扩展，能够在扩散轨迹规划中为联合安全规范提供有限时间的不变性保证。核心思路是将控制屏障函数（CBF）约束嵌入逆扩散更新过程，从而在采样阶段直接约束生成的轨迹。

关键技术

• 联合安全集合：将每个智能体的安全集合与所有成对屏障集合取交，形成全局安全域。
• 约束去噪过程：在中心化和去中心化（考虑通信约束）两种模式下推导受限的逆扩散更新，并在 mild 假设下证明不变性。
• 局部陷阱与死锁：通过时间可变的安全规范和活性 CBF（liveness CBF）来避免局部最小和死锁情形。
• 基准套件：实现了轻量级的多智能体 Maze2D 环境，用于评估安全性与规划质量的权衡。

主要结果

实验表明，在相同的规划质量下，MA‑SafeDiffuser 相比无约束的扩散基线显著降低了安全违规次数。我们提供了完整的算法描述、理论证明以及参考实现代码。

点评：MA‑SafeDiffuser 将安全控制理论与生成式扩散模型有机结合，为多智能体系统的安全规划提供了可验证的工具箱，兼顾了分布式实现的灵活性和中心化方案的理论严谨性。