Neuralt nätverk planerar vägar för flera robotar samtidigt – 40% snabbare

arXiv cs.AI

Forskare har utvecklat ett system baserat på GNN (graf-neuralt nätverk, en AI-modell som analyserar nätverksstrukturer) för att planera rutter åt flera autonoma agenter i delade miljöer. Systemet lär sig av expertlösningar för att gallra bort onödiga vägnodspunkter och producerar kompaktare kartor, vilket minskar beräkningstiden och grafens storlek med minst 40%. Det intressanta är att nätverket återanvänds för olika uppgifter utan att behöva tränas om – praktiskt för exempelvis lagerhållningsrobotar.