# 论文问题与研究目标

本交接以 HATT v3.4 的实际实现为方法基准。研究意图依据 2026-09-05 的 Codex 论文讨论与 2026-09-06 的 Claude 实验决策；数值结论依据本包的原始结果索引。会话决定研究方向，代码说明实现，实验说明效果。[会话依据](06_sources.md)

## 研究问题

工程研究一支资源和运动能力不同的机器人队伍，如何在任务逐渐被发现、载荷持续消耗、机器人需要补给的过程中，选择当前服务任务。选择同一配送任务的机器人形成该任务的联盟。任务的剩余需求随实际交付下降，联盟成员随任务选择变化。当前物理模型因此对应持续配送过程中的动态资源分配。[环境实现](02_environment.md)

论文可以围绕这一问题展开：**如何使机器人对候选任务的判断显式依赖于该任务当前的联盟成员，以及成员已经承担的服务任务？** 这一问题将本项目的编码、AA/AT 关系、联盟聚合和任务解码连成同一条方法逻辑。它来自 v3.3AA 的候选成员路由与 v3.4 的服务任务上下文设计。[实现公式](03_method.md)

为便于讨论，记机器人 i 的能力及资源为 x_i，任务 j 的状态为 y_j，当前所属任务为 c_i，配送联盟为 C_j={i:c_i=j}。论文希望学习的任务评分可写为

```text
score(i,j) = F(x_i, y_j, {关系(i,k), 关系(k,j): k∈C_j}, 团队上下文)
```

这个式子是对当前计算图的信息依赖描述。v3.4 的具体 F、集合聚合和有效成员范围见方法章，最终策略通过 PPO 回报训练。[v3.4 forward](code_view/algorithms/algorithm/HATTV34Network.py.html#L194)

## 希望形成的主贡献：围绕任务的关系建模

**以任务为条件组织智能体间的依赖。** 同一名队友对不同任务选择的意义，取决于队友当前归属、服务目标及可贡献资源。v3.3AA 将 i–k 的 AA 消息路由到 k 当前所属的配送任务，并把 k–任务的 AT 消息一同聚合；v3.4 再让 AA 权重读取 k 服务任务的需求、优先级和联盟摘要。这样，候选任务表示同时包含“我与这个任务的匹配”和“这个任务已有成员与我的关系”。[AA/AT 算子](code_view/algorithms/algorithm/HATTV33AANetwork.py.html#L21)、[候选路由](code_view/algorithms/algorithm/HATTV34Network.py.html#L282)

对应的论文创新点可以组织为：**面向动态联盟分配的任务条件化关系策略。** 写作时重点说明关系的条件变量、消息进入哪个候选、两类关系如何共享计算形式，以及最终如何影响任务概率。独立的 AA/AT 参数、共享候选解码器和服务任务摘要是这项贡献的具体实现。[方法层次表](03_method.md)

当前已有两层依据。正式结构实验中，v2.0 完整联盟上下文的五 seed 留出成功率为 72.19%，去联盟上下文为 61.88%；v3.3AA 的 learned 权重三 seed 成功率为 62.50%，uniform-trained 为 54.17%。它们分别为任务上的联盟汇总、可学习成员加权提供了实验依据。v3.4 taskctx 的所选 checkpoint 为 65.10%，同期 noctx 为 62.50%，提供了服务任务上下文的初步效果记录。各项对照范围和末期结果见 E01、E04、E05。[实验结果](04_experiments.md)

## 深化目标：服务承诺与重组价值

成员转移同时改变源任务与目标任务的资源供给。论文希望建立的进一步主张是：策略根据源任务对成员的依赖程度、目标任务价值以及实际转移过程，调整重组选择。此处“服务承诺”具体指当前已分配到任务的机器人及其资源；它与任务是否已经获得实际交付分别记录。[源条件评估代码](code_view/scripts/analysis/evaluate_source_commitment.py.html#L85)

v3.4 已将当前服务任务摘要纳入 AA 权重。现有优先级干预给出了明确的行为依据：v3.3AA learned 在高优先级条件下增加任务概率 0.0419、增加事件任务指派人数 0.490，首次响应平均提前 25.93 步。下一项已设计的验证问题是“该响应如何随源联盟可替代性而改变”；共享状态库、源条件配对和闭环代价是该目标的评估接口。[E06](04_experiments.md)、[交接决策记录](06_sources.md)

在论文中，这一目标可作为主贡献的深化部分，并以“服务任务上下文 → 条件化选择 → 闭环后果”的顺序提供证据。它的当前实现层级是关系权重的条件输入，验证层级是任务价值变化的动作响应。这个定位与实际完成工作相对应。

## 结构性质：任务重编号的一致性

实体编码器和候选解码器在任务之间共享参数，成员集合通过求和/均值聚合。对任务重排，同时重排观测、合法动作掩码和联盟归属映射，动作分布应作相同重排。这个性质为任务 ID 的任意命名提供一致性要求。[重排测试](code_view/tests/test_hatt_network.py.html#L94)

该推导的条件是：所有实体字段和离散归属同步重编号，聚合按相同物理成员执行。共享逐实体函数在重排后逐项对应，集合求和保持相同结果，共享评分器随任务排列输出，因此得到策略等变性。它是本计算图可检查的性质。集合函数与置换等变性已有一般理论基础，相关文献为 [Deep Sets](https://arxiv.org/abs/1703.06114)；本工程将其落实到带有任务归属和动作掩码的联盟策略中。

历史三 seed 的探索槽重排测试中，HATT 成功率均值保持在 69.79%，384 个配对回合的成功/失败标记全部保持一致。v3.4 当前网络测试也通过任务重排与 noctx 对应关系检查。此部分适合作为方法性质与验证依据。[E03](04_experiments.md)、[本次结构核对](evidence/implementation_checks.json)

## 与已选同类方法的关系

| 参考方法 | 文献和官方实现的主要组织方式 | 本项目交接中的研究位置 |
|---|---|---|
| MAPPO | PPO 的多智能体训练实践，提供共享 actor 与集中式价值学习基础 | 作为相同输入、奖励和决策日程下的策略结构对照 |
| CFM / HeteroMRTA | 关注异构任务的联合到达与调度，采用注意力、序贯决策和 constrained flashforward | 作为任务分配/调度方法参照；DelivCoal 适配保留其 pointer 与序贯分配路径 |
| MARL-MRT2A | 使用空间目标策略、路径意图共享和目标修正组织动态联盟分配 | 作为空间策略与任务候选策略的参照；原环境和 DelivCoal 适配分别评估 |

来源：[MAPPO 原文](https://arxiv.org/abs/2103.01955)、[CFM 原文](https://marmotlab.org/publications/73-RAL2025-HetMRTA.pdf)、[MARL-MRT2A 原文](https://arxiv.org/html/2412.20397v2)。表中的实现对应关系详见 [baseline 说明](02_environment.md)。

论文的具体方法贡献应落在当前任务归属驱动的关系路由及服务任务条件输入。PPO、Actor–Critic、注意力和集合聚合分别作为基础方法引用；探索覆盖、路径执行和评估接口作为任务设定与实现依据说明。这一组织方式让每项论文表述都能对应代码或实验。