LEARNING📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik, Adnene Hajji, Gabriel Caron Guillemette, Mohamed Farah
Robotics and Computer-Integrated Manufacturing · 2026
摘要
该论文提出了一种结合深度强化学习和动态图神经网络的调度代理,用于控制多任务机器人。该方法通过学习优化任务分配和路径规划,提高了机器人在复杂环境中的执行效率。
关键词
deep reinforcement learningdynamic graph neural networkmulti-task robotscheduling agent
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
面向中间验证延迟与概念漂移的稳定区域增强在线学习方法
Zixin Zhong, Liyan Song, Fengzhen Tang 等 4 位作者
Pattern Recognition · 2026