EFormer：基于边缘的面向车辆路径问题的有效变换器
机器人学
2025-06-23 v1 系统与控制
系统与控制
摘要
最近的神经启发式方法主要依赖节点坐标作为输入，在实际场景中，基于边缘的距离度量可能更有效。为此，我们引入 EFormer，一种基于边缘的变换器模型，仅使用边缘作为车辆路径问题的输入。我们的方法采用混合评分注意力机制的预编码器模块，将边缘信息转换为临时节点嵌入。我们还提出了一种由图编码器和节点编码器各自负责处理图嵌入和节点嵌入于不同特征空间中的并行编码策略。这种设计可全面代表边缘之间的全局关系。在解码阶段，使用并行上下文嵌入和多查询集成来计算对两个编码嵌入的独立注意力机制，以高效构建路径。我们采用自强化学习以自回归方式训练 EFormer。对 TSP 和 CVRP 进行大量实验表明，EFormer 在合成数据集上优于既定基线，包括大规模和多样化分布。此外，EFormer 在来自 TSPLib 和 CVRPLib 的真实实例上显示出强大的泛化能力。这些发现确认了 EFormer 核心设计在解决 VRP 问题中的有效性。
引用
@article{arxiv.2506.16427,
title = {Full-Pose Tracking via Robust Control for Over-Actuated Multirotors},
author = {Mohamad Hachem and Clément Roos and Thierry Miquel and Murat Bronz},
journal= {arXiv preprint arXiv:2506.16427},
year = {2025}
}