近日，我院李珣教授团队在多机器人自主探索与智能决策方向的研究成果“Geometric Priors as Decision-Interface Constraints for Knowledge-Guided Multi-Robot Exploration”被中科院一区(IF=11.5)TOP期刊《Advanced Engineering Informatics》接收。论文第一作者为我院本科生何飞翔，指导教师李珣为共同第一作者及通讯作者，西安工程大学为第一署名单位。

该论文第一作者何飞翔同学为电子信息学院通信工程专业2023级本科生，自2023年起积极参与到导师李珣团队的科研工作中，主动承担导师纵横项课题中关键研发内容，承担“西安工程大学2025本科生标志性成果培育专项计划项目”。经过三年的理论学习和实践锻炼，打下了坚实的人工智能、强化学习与多机器人自主探索研究基础，具有丰富的学科竞赛经历。

该成果体现了电子信息学院在人工智能、智能控制与机器人等前沿交叉领域的科研实力，以及学院在本科生创新人才培养方面取得的积极成效。学院将继续依托高水平科研团队和国内外合作平台，为本科生参与前沿科学研究提供良好条件，助力更多优秀学子在高水平学术舞台展现创新能力和科研实力。

成果简介：多机器人如何在未知环境中实现高效协同与稳定自主探索，一直是多机器人探索领域的重要研究问题。近年来，几何规划、任务分配、学习型目标生成及强化学习控制等方法取得了显著进展，但现有混合框架大多仍以高层目标交接连接全局决策与局部控制，显式几何与拓扑知识难以在动作生成前直接约束连续决策，容易在复杂环境中引发重规划失败、运动震荡和冗余探索。针对这一结构性瓶颈，研究团队提出先验引导多机器人探索框架PRIME，创新性地将几何先验转化为连续策略学习的决策接口约束，通过动态Voronoi划分与多维效用评估，在动作生成前筛除不可行或低价值探索候选，使宏观拓扑知识直接塑造微观连续控制的有效决策空间。该机制从源头缩减了强化学习的搜索空间，使底层策略无需在开放环境中反复试错，仅采用轻量级MLP网络即可实现快速训练、敏捷避障与实时推理。实验结果表明，PRIME在探索效率、路径质量、安全性和跨场景迁移等方面总体优于多类代表性现有方法，约500个训练回合、4分钟即可达到稳定性能，未见环境零样本迁移成功率达到94.5%，仿真训练策略无需硬件特定重训练即可直接部署于真实多机器人平台，展现出优异的学习效率、泛化能力和工程应用潜力。（撰稿：纪超 审核：李珣）

图1 PRIME先验引导多机器人探索框架图