Pianificazione Scout Basata su GNN per Team di Robot Eterogenei

Un nuovo framework noto come Scout-Assisted Planning (SAP) è stato introdotto dai ricercatori per team di robot eterogenei. In questo sistema, i veicoli aerei senza pilota (UAV) raccolgono attivamente dati ambientali per assistere i veicoli terrestri senza pilota (UGV) mentre navigano attraverso terreni parzialmente familiari. Questa strategia mitiga i costosi backtracking che gli UGV affrontano quando incontrano percorsi bloccati scoperti solo attraverso l'esplorazione diretta. Per migliorare l'efficienza dello scout, il team presenta Information Gain-based Action Pruning, che valuta le potenziali azioni di scout in base ai loro effetti previsti sulle operazioni degli UGV. A causa dell'alto costo dei calcoli precisi, viene creato un modello Graph Neural Network (GNN) per prevedere il guadagno informativo dalla struttura del grafo e dallo stato di credenza, consentendo una pianificazione in tempo reale senza compromettere la qualità. I test condotti in tre diversi ambienti convalidano l'efficacia di SAP con previsioni GNN. La ricerca è disponibile su arXiv con riferimento 2605.22693.