Akule：稀疏交互扩散多机器人运动规划

2026年10月15日，arXiv Artificial Intelligence 发布论文，提出 Akule——一个稀疏交互扩散框架，用于多机器人运动规划（MRMP）。该框架通过三个学习模块增强冻结的单机器人先验：可复用的成对修正模型 R_φ、上下文选择器 U_ψ 和组合器 G_ω。论文称，该方法在多个 MRMP 基准上取得有竞争力的规划成功率，完整规划器加速最高达 25 倍，支持零样本规模迁移，最多可规划 256 台机器人。消融实验表明，学习到的选择与组合相比启发式选择和均匀求和，能减少修复前冲突和下游修复工作量。上述数据与结论均来自该论文自身的报告。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。