通过 GNN 派生的启发式方法扩展多智能体信念规划
人工智能
2026-02-09 v4 多智能体系统
摘要
多智能体信念规划（MEP）是一种用于推理物理世界及智能体信念的自主规划框架，适用于信息流和智能体间意识至关重要的领域。MEP的丰富性要求将状态表示为克里普克结构，即有向标记图。这种表示方式限制了现有启发式方法的适用性，阻碍了信念求解器的可扩展性，这些求解器在没有指导下探索指数级搜索空间，往往导致不可行性。为此，我们利用图神经网络（GNN）学习信念状态中的模式和关系结构，以引导规划过程。GNN能够自然捕捉克里普克模型的图状本质，使我们能够通过从先前解决的规划实例中获得的知识来推导出有意义的状态质量估计——例如，距离最近目标的距离。我们将这些预测性启发式方法集成到信念规划管道中，并对其进行评估，与标准基线方法相比，显示了多智能体信念规划可扩展性的改进。
引用
@article{arxiv.2508.12840,
title = {Scaling Multi-Agent Epistemic Planning through GNN-Derived Heuristics},
author = {Giovanni Briglia and Francesco Fabiano and Stefano Mariani},
journal= {arXiv preprint arXiv:2508.12840},
year = {2026}
}