图关系强化学习模型

优于全局观测基准

用关系图学习聚合对象间与对象-机器人交互，仅靠局部观测即可在陌生大场景中安全导航，是首个在大规模拥挤环境中超越全局观测基准的方法。

柳正 · Zhai, Yu · Jiaming, Li · Wang, Guangming · 缪燕子 · 王贺升

IEEE Transactions on Intelligent Transportation Systems 2023

技术优势

局部观测即可

通过图神经网络将局部观测转化为图输入，模型参数量不随场景规模增长，避免了全局观测带来的通信和计算负担。

超越全局基准

在仅使用局部观测的条件下，导航成功率仍高于具备全局完全可观测性的现有方法，证明信息利用效率更高。

物理环境可用

实体机器人实验验证了方法在真实场景中的有效性，而非仅停留在仿真。

应用场景

• 机器人导航：让移动机器人在拥挤动态环境中安全高效地自主导航，直接替代需要全局定位或手工调参的传统导航栈。
• 服务机器人：服务机器人在商场、医院等人员密集场所可仅凭局部传感器实时避障，无需提前获取全局地图。
• 工业AGV：工业AGV在动态人机混行车间中可稳定运行，减少对固定路线和中央调度的依赖。
• 智能交通系统：为自动驾驶和车路协同提供可扩展的交互建模方法，支持在复杂交通流中做出安全决策。
• 多机协同：图关系学习天然适用于多机器人之间的交互建模，可扩展到多机协同导航与避碰。