Исследователи Института AIRI и МФТИ разработали CAMAR — универсальную среду для обучения и тестирования алгоритмов управления большим числом автономных агентов. Работа принята на основной трек конференции AAAI-2026 и получила Best Poster Award среди 24 тысяч поданных исследований. РСоздание ориентирована на ускорение исследований и внедрение технологий автономной логистики и робототехники, рассказали информационной службе а в пресс‑службе AIRI. Проект распространяется как open‑source под лицензией MIT и доступен для исследователей и компаний.

Новая платформа решает задачу координации движения тысяч устройств, которые работают в одно время. Такие задачи встречаются на складах, в городской логистике и транспортных системах. Каждое устройство движется к своей точке назначения и при этом не должно сталкиваться с другими участниками.

Разработка работает очень быстро. За одну секунду платформа обрабатывает 100 тысяч шагов в симуляции. Это равно почти трём часам реальной работы 32 роботов на большом складе. Система способна корректно функционировать с 800 роботами и более. Благодаря этому алгоритмы обучаются быстрее, и их можно проверять в условиях с большим количеством объектов.

По словам создателей, платформа отличается гибкостью настроек. Пользователи могут делать свои правила для движения устройств и настраивать различные типы карт. Это могут быть складские помещения или городские районы с плотной застройкой. В системе уже есть готовые сценарии и модели, а высокая скорость работы сохраняется даже при множестве настроек.

CAMAR даёт возможность тестировать различные методы управления. Можно использовать алгоритмы на основе искусственного интеллекта или классические методы поиска пути. СПлатформа поддерживает комбинированные варианты, в которых традиционные алгоритмы работают вместе с методами обучения. Это помогает понять, какой решение эффективнее для конкретной задачи.

Исследователь группы RL‑агентов Лаборатории когнитивных систем ИИ Института AIRI Артём Пшеницын отметил, что команда стремилась создать быстрый и гибкий инструмент. По словам Артём Пшеницын, система приближена к реальным условиям и даёт функция проверять взаимодействие сотен устройств в ограниченном пространстве на скорости, которая ранее была недостижима.