AAC：面向ALT的架构可容许可微路标压缩
人工智能
2026-04-23 v1 机器学习
机器人学
摘要
我们引入了AAC（架构可容许压缩器），这是一个用于ALT（A*、路标和三角不等式）最短路径启发式的可微路标选择模块，其输出在构造上即具有可容许性：每次前向传播都是三角不等式下界的行随机混合，因此该启发式对于每个参数设置都是可容许的，无需收敛、校准或投影。在部署时，该模块简化为在已学习子集上的经典ALT，与神经编码器端到端组合，同时保留经典工具链。该构造是经典启发式搜索中“压缩同时保持可容许性”传统的首个可微实例。在匹配的每顶点内存协议下，我们证明使用最远点采样的路标ALT（FPS-ALT）在度量图上具有可证明的近似最优覆盖，为任何选择器最多留下几个百分点的提升空间。AAC 在此上限附近运行：在9个道路网络上差距为0.9至3.9个百分点，在合成图上差距小于等于1.3个百分点，且在1500多次查询及所有记录的运行中，可容许性违规次数为零。在匹配内存下，AAC在DIMACS道路网络上的中位数查询速度也比FPS-ALT快1.2至1.5倍，其离线成本在170至1924次查询内即可摊销。一项受控消融研究分离出了约束性瓶颈：默认初始化下的训练目标漂移，而非架构容量；对前m个路标使用恒等初始化可完全消除扩展计数的差距。我们发布了该模块、一个可复用的匹配内存基准测试协议（包含配对双单侧检验（TOST）等效性检验和预注册），以及一个参考压缩差分启发式基线。
引用
@article{arxiv.2604.20744,
title = {AAC: Admissible-by-Architecture Differentiable Landmark Compression for ALT},
author = {An T. Le and Vien Ngo},
journal= {arXiv preprint arXiv:2604.20744},
year = {2026}
}
备注
50 pages, 8 figures, 24 tables, submitted to Transactions on Machine Learning Research