摘要
针对商业与工业应用中变体自动化（VA）任务对可靠性的需求，本文提出“图即策略”（GaP）多智能体编码框架。该方法结合任务运动规划与机器人操作系统理念，利用模块化技能库生成包含感知、规划与控制节点的有向计算图。GaP 构建内部仿真环境并行演练不同图结构，迭代优化图拓扑与参数以提升成功率与吞吐量。在八个新基准测试（含仿真与真机）中，GaP 显著优于现有基线方法。
AI 推荐理由
论文核心提出 Graph-as-Policy，通过多智能体生成和优化包含规划节点的计算图，解决变体自动化任务。
研究机构
1
3,4
3,5
2
论文信息