研究人员开发了一种新的分布式多机器人任务分配（MRTA）神经网络调度框架，旨在克服现有方法的局限性。该框架包括用于策略生成的“多解码器图注意力模型”（MDGAM）和用于训练的“无批评者组相对多智能体策略梯度”（GRMAPG）算法。MDGAM通过联合更新节点和边缘特征并使用多个解码器进行任务选择和通信消息传递来增强协调能力。实验表明，与传统的启发式和基于学习的方法相比，该方法在通信受限的情况下提高了任务完成性能。 AI
影响 引入了一种新颖的多智能体任务调度方法，有望提高分布式机器人系统的效率。
排序理由 这是一篇研究论文，详细介绍了一种针对多智能体系统特定问题的新颖技术方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
