НОВОСТЬ · RESEARCH · #370
GPEvac: модель на GNN и PPO для адаптивной эвакуации (arXiv:2609.16163v1)
В статье предлагается GPEvac — фреймворк на базе графовой нейросети (GNN) и алгоритма PPO, обучающий перестановочно-инвариантные политики эвакуации для разных планировок зданий. В симуляциях авторы сообщают о снижении общей угрозы по сравнению с интеллектуальными базовыми методами и о вычислении глобальных маршрутов примерно за 14,73 мс на локальном CPU; также предложена схема передачи сообщений «edge-first» с обучаемым виртуальным глобальным узлом и отмечается возможность переноса метода на другие задачи с графовой структурой.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье предлагается GPEvac — фреймворк на базе графовой нейросети (GNN) и алгоритма PPO, обучающий перестановочно-инвариантные политики эвакуации для разных планировок зданий.
- В симуляциях авторы сообщают о снижении общей угрозы по сравнению с интеллектуальными базовыми методами и о вычислении глобальных маршрутов примерно за 14,73 мс на локальном CPU; также предложена схема передачи сообщений «edge-first» с обучаемым виртуальным глобальным узлом и отмечается возможность переноса метода на другие задачи с графовой структурой.
- Если результаты подтвердятся вне симуляций, быстрые обученные маршруты, не зависящие от планировки, могут существенно улучшить реальное руководство эвакуациями и применяться в других критически важных системах с графовой структурой.
ПОЧЕМУ ЭТО ВАЖНО
Если результаты подтвердятся вне симуляций, быстрые обученные маршруты, не зависящие от планировки, могут существенно улучшить реальное руководство эвакуациями и применяться в других критически важных системах с графовой структурой.