Akule：稀疏交互扩散多机器人运动规划框架

Manav Vora 等作者发布论文提出 Akule，一个稀疏交互扩散多机器人运动规划框架：在冻结的单机器人先验上增加成对修正模型、上下文选择器和组合器三个学习模块。作者称，它在多个 MRMP 基准上取得最高 25 倍完整规划器加速，支持零样本种群迁移，并可规划多达 256 个机器人。 消融实验显示，学习式选择与组合相比启发式选择和均匀求和，能减少修复前冲突与下游修复开销。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。