动态图注意力混合网络

稀疏可解释协调建模

用可解释的稀疏关系归纳偏置进行显式动态协调建模，在多智能体合作任务中优于代表性基线，尤其在异构、非对称和动态变化场景。

Hao, Qin · 宏晨

Neurocomputing 2026

技术优势

关系归纳偏置可解释

协调图由局部可见性和距离线索驱动，显式编码智能体间的稀疏关系，并通过图注意力生成可解释的协调信号。

保留稳定效用通路

图增强表示通过残差协调信号注入个体效用，原有效用通路得以保留，使训练优化稳定。

应用场景

• 多机器人协作：用显式协调图让机器人自主感知队友并协作，无需人工设计通信协议或岗位分工。
• 群体智能：从局部观测动态构建群体交互图，使群体在异构和动态变化中仍保持稳定协调。
• 多智能体强化学习：在单调值分解框架内引入显式动态协调结构，提升合作MARL样本效率与可解释性。
• 协作机器人：让协作机器人根据环境动态调整互动对象，而非依赖预设规则或中心调度。
• 多智能体手术机器人：可显式建模多机械臂的时变协作关系，适应手术场景中非对称及动态变化。