异质图神经网络生成多智能体共享路线图

2026年10月8日，arXiv Multiagent Systems 频道发布论文，提出一个可扩展的异质图神经网络（GNN）框架，用于自动生成与评估多智能体共享路线图。该框架将航点、智能体位置和任务位置表示为异构图中的不同节点，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%。目前报道仅涉及论文内容，尚无后续验证或应用进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。