GaP：图即策略的多智能体自学习框架

GaP 用计算图加自学习提升变异性自动化任务成功率。

资讯摘要

论文提出 Graph-as-Policy（GaP），一种面向变异性自动化（VA）任务的多智能体编码框架。它从模块化开放机器人技能库 MORSL 生成含感知、规划与控制节点的有向计算图，并构建内部仿真环境并行演练不同图结构，迭代优化图结构与参数以提升成功率和吞吐量。作者报告在 4 个仿真与 4 个真实世界新基准上，成功率显著优于基线。

要点速读

1. GaP 从 MORSL 技能库生成含感知、规划、控制节点的有向计算图，作为可解释的机器人策略。
2. 框架自建内部仿真环境，并行演练不同图结构并迭代优化结构与参数。
3. 作者报告在 8 个新开放 VA 基准（4 仿真、4 真实）上成功率显著优于基线。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。