Cet article présente la diffusion guidée discrète (DGD), un nouveau cadre intégrateur de recherche de chemin multi-agents discrets (MAPF) et d'un modèle de diffusion générative sous contraintes pour résoudre le problème de planification de mouvements multi-robots (MRMP). La DGD décompose le problème MRMP non convexe en sous-problèmes faciles à traiter, combine des solutions MAPF discrètes avec des techniques d'optimisation par contraintes pour capturer des dépendances spatio-temporelles complexes, et intègre un mécanisme léger de récupération de contraintes pour garantir la faisabilité du chemin. Cette approche démontre des performances de pointe, permettant une planification efficace et des taux de réussite élevés tout en permettant une mise à l'échelle jusqu'à 100 robots dans des environnements vastes et complexes.
