DMM：通过迭代意图去噪实现多智能体路径规划的联合动作优化

DMM（Decentralized Master-Mind）提出用离散的迭代意图精炼替代一次性动作采样，解决多智能体路径规划中局部有效动作重组为不兼容联合动作的问题。该方法受扩散模型去噪启发，通过通信轮次耦合智能体选择，并用模仿学习预训练、MICPO 强化学习优化。在 1,600 个 MovingAI 任务上，DMM 经 MICPO 微调后解决 1,598 个，覆盖率最高，且可扩展至超百万智能体。