यह शोधपत्र एक नवीन द्विदिशात्मक दृष्टिकोण का प्रस्ताव करता है जो स्वॉर्म रोबोटिक्स में रणनीतिक टकराव जैसी प्रतिकूल परिस्थितियों में कुशल निर्णय लेने के लिए पृथक आदेशों और निरंतर क्रियाओं को एकीकृत करता है। मौजूदा कार्य और गति नियोजन विधियाँ निर्णय लेने की प्रक्रिया को दो परतों में विभाजित करती हैं, लेकिन उनकी एकदिशात्मक संरचना अंतर-परतीय अंतर्निर्भरताओं को समझने में विफल रहती है, जिससे गतिशील वातावरण में अनुकूलनशीलता सीमित हो जाती है। पदानुक्रमित सुदृढीकरण अधिगम पर आधारित प्रस्तावित द्विदिशात्मक दृष्टिकोण, आदेशों को कार्य असाइनमेंट और क्रियाओं को पथ नियोजन से प्रभावी ढंग से जोड़ता है, पदानुक्रमित ढाँचे में अधिगम को बढ़ाने के लिए क्रॉस-ट्रेनिंग तकनीकों का उपयोग करता है। इसके अलावा, यह एक प्रक्षेप पथ पूर्वानुमान मॉडल प्रस्तुत करता है जो अमूर्त कार्य निरूपणों को व्यवहार्य नियोजन लक्ष्यों से जोड़ता है। प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित दृष्टिकोण मौजूदा विधियों से बेहतर प्रदर्शन करता है, 80% से अधिक की मैच-विजय दर और 0.01 सेकंड से भी कम समय में निर्णय लेने की क्षमता प्राप्त करता है। बड़े पैमाने के प्रयोगों और वास्तविक दुनिया के रोबोट प्रयोगों के माध्यम से प्रदर्शन प्रस्तावित दृष्टिकोण की सामान्यीकरणीयता और व्यावहारिकता को और उजागर करता है।
