面向多机器人协作区域搜索的双注意力异构图神经网络
机器人学
2026-01-08 v1
摘要
在多机器人协作区域搜索中，关键挑战是动态平衡探索未知区域和覆盖特定目标（待救人）两个目标。现有方法往往受限于均匀图表示，无法建模和平衡这些不同任务。为此，我们提出一种基于深度强化学习的双注意力异构图神经网络（DA-HGNN）。该方法构建包含机器人节点、前沿节点和有趣节点三种实体类型及其历史状态的异构图。双注意力机制包括关系感知注意力和类型感知注意力操作。关系感知注意力捕捉机器人与候选目标之间复杂的时空关系。基于该关系感知异构图，类型感知注意力分别计算机器人与每种目标类型（前沿点与兴趣点）之间的相关性，从而实现探索与覆盖任务的解耦。我们在iGibson模拟器中的交互式3D场景中进行了大量实验，采用Gibson和MatterPort3D数据集，验证了所提出方法在可扩展性和泛化能力方面的优势。
引用
@article{arxiv.2601.03686,
title = {Dual-Attention Heterogeneous GNN for Multi-robot Collaborative Area Search via Deep Reinforcement Learning},
author = {Lina Zhu and Jiyu Cheng and Yuehu Liu and Wei Zhang},
journal= {arXiv preprint arXiv:2601.03686},
year = {2026}
}