基于异构图神经网络的多智能体路径规划共享路线图生成与评估器

论文提出一个可扩展的异构图神经网络（GNN）框架，用于自动生成与评估多智能体共享路线图，将航点、智能体位置和任务位置表示为异构图中的不同节点。该模型在专家求解器轨迹汇总的占据密度图上训练，学习识别关键兴趣点并剪除冗余节点与边，生成紧凑且具备协作感知的路线图。实验显示，该框架可降低规划开销并可能找到更优解，在稠密路线图上运行时延和图规模均至少减少 40%。