GNN-Transformer规划模型

动态任务适配强

结合图神经网络与Transformer的协同规划模型，在动态环境中实现高效任务分配与路径规划，显著提升无人机与网联自动驾驶车辆的协调能力。

Ma, Ziyuan · Jun, Xiong · 龚华军 · 王新华

IEEE Internet of Things Journal 2024

参数信息

任务分配准确率提升（无人机）

12 %

任务分配准确率提升（自动驾驶车辆）

10 %

技术优势

动态适应性更强

GNN捕捉复杂关联，Transformer高效处理信息，使模型能应对动态任务变化。

计算需求更低

相比现有方法，模型在提升效率的同时减少了计算资源消耗。

应用场景

• 无人机任务规划：在动态环境中快速重分配任务，减少人工干预。
• 自动驾驶车辆协调：提升多车协同效率，适应实时交通变化。
• 智能物流：优化配送路径与调度，降低运营成本。
• 智能监测：自动规划巡逻路径，提高监控覆盖率。