Исследователи из Института AIRI и МФТИ разработали CAMAR — универсальную среду для обучения и тестирования алгоритмов управления множеством автономных агентов. Работа получила награду на конференции AAAI-2026, обойдя более 24 тысяч других исследований.
Платформа предназначена для задач, требующих координации движения тысяч агентов одновременно: автоматизация складов, городская логистика, автономный транспорт. Каждый агент должен достичь своей цели и избежать столкновений с другими.
Главная особенность CAMAR — высокая производительность. Система просчитывает более 100 тысяч шагов симуляции в секунду, что соответствует почти трем часам реальной работы 32 роботов на крупном складе. Платформа стабильно работает с 800 и более агентами.
Вторая ключевая характеристика — гибкость. Пользователь может задавать собственные правила движения и создавать карты разной сложности: от простых складов до плотной городской застройки. При этом высокая скорость работы сохраняется даже при глубокой настройке.
CAMAR позволяет сравнивать разные подходы к управлению: обучаемые методы ИИ, классические алгоритмы поиска маршрута и гибридные решения. Это дает возможность объективно оценивать эффективность стратегий для конкретных задач.
Проект распространяется в открытом доступе под лицензией MIT. По словам Артема Пшеницына из Института AIRI, разработчики стремились создать быстрый, гибкий и реалистичный инструмент, который позволяет моделировать взаимодействие сотен агентов на ранее недоступной скорости. Платформа ориентирована на ускорение исследований в области автономной логистики и робототехники.