Details

Предотвращение столкновений — фундаментальная задача в разработке моделей поведения агентов для робототехники, игровых симуляций и аналитических систем, таких как оценка безопасности помещений через моделирование пожарной эвакуации. В работе предложена гибридная модель, интегрирующая алгоритм A* (стратегический уровень – поиск кратчайшего пути в графе) и алгоритм RVO (тактический уровень – динамическое избегание столкновений). Для валидации модели создано тестовое окружение, позволяющее оценить эффективность алгоритмов как в автономном режиме, так и в рамках их совместной работы. Результаты подтверждают, что комбинация A* и RVO обеспечивает баланс между глобальным планированием и локальным маневрированием, что актуально для управления многоагентными системами в сложных средах.

Collision avoidance is a fundamental challenge in developing agent behavior models for robotics, game simulations, and analytical systems, such as assessing building safety through fire evacuation modeling. This work proposes a hybrid model integrating the A* algorithm (strategic level – shortest pathfinding in a graph) and the RVO algorithm (tactical level – dynamic collision avoidance). A test environment was developed to validate the model, enabling evaluation of the algorithms’ effectiveness both in standalone mode and in collaborative operation. The results demonstrate that the combination of A* and RVO achieves a balance between global planning and local maneuvering, which is critical for managing multi-agent systems in complex environments.