arXiv · cs.AI· Manav Vora, Gokul Puthumanaillam, Aditya Penumarti, Jane Shin, Melkior Ornik·· 11 小时前
Akule：通过稀疏交互扩散实现快速可扩展的多机器人运动规划
Akule: Fast and Scalable Multi-Robot Motion Planning via Sparse Interaction Diffusion
arXiv:2610.14248v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Manav Vora, Gokul Puthumanaillam, Aditya Penumarti, Jane Shin, Melkior Ornik
研究任务与主要进展
Akule是一种稀疏交互扩散框架，用于在避免昂贵联合计算的情况下协调大规模多机器人运动。方法在冻结的单机器人轨迹先验上加入可复用的成对修正模型、上下文选择器和组合器，学习选择需要评估的交互，并以上下文相关的有符号权重合并修正，最终交由下游搜索规划器验证和修复。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org