यह शोधपत्र मल्टी-एजेंट पाथफाइंडिंग (MAPF) समस्या का एक व्यापक सर्वेक्षण प्रस्तुत करता है। MAPF कृत्रिम बुद्धिमत्ता और रोबोटिक्स में एक मूलभूत समस्या है, जहाँ कई एजेंट एक प्रारंभिक बिंदु से लक्ष्य तक टकराव-मुक्त पथों की गणना करते हैं। यह शोधपत्र पारंपरिक एल्गोरिथम दृष्टिकोणों और उभरते हुए शिक्षण-आधारित तरीकों के बीच लंबे समय से चली आ रही खाई को पाटने के लिए एक एकीकृत ढाँचा प्रस्तुत करता है। इसमें खोज-आधारित विधियों (संघर्ष-आधारित खोज, प्राथमिकता-आधारित खोज और व्यापक पड़ोस खोज सहित), संकलन-आधारित दृष्टिकोणों (SAT, SMT, CSP, ASP और MIP सूत्रीकरण), और डेटा-संचालित तकनीकों (सुदृढ़ीकरण अधिगम, पर्यवेक्षित अधिगम और संकर रणनीतियाँ) सहित कई प्रकार की कार्यप्रणालियों को शामिल किया गया है। 200 से अधिक शोधपत्रों के अनुभवजन्य विश्लेषण से मूल्यांकन पद्धतियों में महत्वपूर्ण अंतरों का पता चलता है और मानकीकृत बेंचमार्किंग प्रोटोकॉल की आवश्यकता पर प्रकाश डाला गया है। अंत में, यह आशाजनक भविष्य की दिशाएं प्रस्तुत करता है, जिसमें मिश्रित-सिंक्रोनी MAPF शामिल है, जो गेम-सैद्धांतिक विचारों को शामिल करता है, बड़े पैमाने पर भाषा मॉडल का उपयोग करके भाषा-आधारित योजना बनाता है, और तंत्रिका नेटवर्क सॉल्वर आर्किटेक्चर जो शास्त्रीय तरीकों की कठोरता को गहन शिक्षण के लचीलेपन के साथ जोड़ता है।
