该算法可以在存在各种障碍物的环境中为无人物体从给定的起点到终点规划最佳路径。该模型的成功率为92%。无人机器人在城市环境中的应用越来越多。在静态和移动物体所在的同一空间中构建机器人轨迹的方法是现代机器人技术中最热门的领域之一。 传统上，生成路线有两种方法：所谓的全局规划和局部规划。第一种是基于使用变化的运动空间中的一组参考点来构建环境地图（树）。二是收集小交通区域内各类屏障、障碍物的信息。莫斯科物理技术学院 (MIPT) 的科学家与 AIRI 的同事一起采用了两种方法的组合，依靠强化学习技术。他们采用了这样的想法：局部规划器可以在两个相近的状态之间生成轨迹，但在准确构建长轨迹方面表现不佳。 POLAMP 算法在一个规划步骤中构建从起点到终点的路径，并使用可学习的局部策略避免与移动障碍物发生碰撞。进行的实验表明，POLAMP 的表现优于现代基线算法（可训练和不可训练），成功率超过 92%。例如，POLAMP 需要更少的示例来生成运动计划（即使该对象仅在一个移动障碍物上进行训练）。