본 논문은 다중 에이전트 경로 찾기(MAPF) 문제에 대한 종합적인 조사 논문이다. MAPF는 여러 에이전트가 충돌 없이 시작 위치에서 목표 위치까지 이동하는 경로를 계산하는 인공지능 및 로보틱스 분야의 기본적인 문제이다. 본 논문은 기존의 알고리즘 기반 접근법과 새롭게 등장하는 학습 기반 방법을 아우르는 통합 프레임워크를 제시한다. 검색 기반 방법(Conflict-Based Search, Priority-Based Search, Large Neighborhood Search 등), 컴파일 기반 방법(SAT, SMT, CSP, ASP, MIP 공식화 등), 그리고 데이터 기반 기법(강화 학습, 지도 학습, 하이브리드 전략 등)을 포괄적으로 다룬다. 200편 이상의 논문에 대한 실험적 관행 분석을 통해 평가 방법론의 상당한 차이를 밝히고, 표준화된 벤치마킹 프로토콜의 필요성을 강조한다. 마지막으로 혼합 동기 MAPF, 대규모 언어 모델을 이용한 언어 기반 계획, 그리고 고전적인 방법의 엄격함과 심층 학습의 유연성을 결합한 신경망 솔버 아키텍처 등 유망한 미래 방향을 제시한다.
