ปัญหาการวางแผนเส้นทางหุ่นยนต์ในสภาพแวดล้อมที่แออัด (Cluttered Environment) เป็นหนึ่งในความท้าทายสำคัญ เนื่องจากหุ่นยนต์มักไม่สามารถหาเส้นทางที่ว่างเปล่าได้ร้อยเปอร์เซ็นต์ และต้องตัดสินใจเลือกเคลื่อนย้ายวัตถุบางชิ้นออกไปเพื่อให้สามารถผ่านไปได้ งานวิจัยนี้ได้เสนอระบบประมวลผลแบบ graph-based heuristic ที่รวมเทคนิคการสร้างชุดความเป็นไปได้แบบสองทิศทางเข้ากับการค้นหาบนกราฟ MCR ที่ถูกลดทอนลง เพื่อระบุจำนวนวัตถุที่น้อยที่สุดที่จำเป็นต้องย้ายออก
จากการทดสอบผ่านเกณฑ์มาตรฐาน 6 รูปแบบ พบว่าระบบใหม่นี้ให้ผลลัพธ์ที่แม่นยำเทียบเท่ากับวิธีค้นหาแบบละเอียด (Exact Search) ในหลายกรณี และในกรณีที่เหลือจะเลือกย้ายวัตถุมากกว่าค่าที่เหมาะสมที่สุดไม่เกิน 31.25% เท่านั้น แต่ประเด็นสำคัญคือความเร็วในการประมวลผลที่เร็วกว่าวิธีเดิมถึง 3.4 ถึง 33.7 เท่า ช่วยให้หุ่นยนต์สามารถตัดสินใจในสถานการณ์จริงได้ทันท่วงที
