自适应深度图神经网络

针对无人机与无人车在复杂城市环境中的动态任务分配问题，该模型通过依据场景复杂度实时调整网络深度，并结合仿生算法优化决策，实现了多异构平台间的协同任务分配，提升系统在不可预测环境中的适应性与整体运行效率。

Ma, Ziyuan · 熊君 · 龚华军 · 王新华

IEEE Transactions on Intelligent Vehicles 2025

参数信息

搜救任务效率

85 %

灾害管理任务效率

90-95 %

技术优势

适应复杂场景

模型深度随场景复杂度实时调整，在动态城市环境中保持高效决策。

提升任务效率

仿生算法优化任务分配，在搜救和灾害管理中效率分别超过85%和90-95%。

应用场景

• 无人机集群协同：利用自适应深度图神经网络实时分配任务，提升集群在城市环境中的协同效率。
• 无人车任务调度：通过动态任务分配优化无人车调度，提高地面平台的响应速度和任务完成率。
• 异构多智能体协同：统一分配无人机与无人车任务，实现异构平台在复杂环境下的高效协同。
• 群体机器人任务部署：支持集群机器人在城市任务中的动态部署，如搜救和灾害管理场景。