GGraph：面向基于图的机器人部署与学习的 GPU 加速库
论文提出开源 GPU 加速图库 GGraph，同时面向真实机器人部署与大规模强化学习训练。GGraph 通过 ROS 2 接口支持真实机器人，并支持 GPU 向量化策略训练，内置三维导航、探索和回环闭合集成等任务。单机器人运行时图更新为毫秒级；大规模场景下可支持数百个并行机器人训练基于图的探索策略，实际训练时间缩短一个数量级。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《GGraph: A GPU-Accelerated Library for Graph-Based Robot Deployment and Learning》查看原链
arXiv:2610.28953v1 公告类型：新论文 摘要：自主移动机器人需要一种空间表示，既能捕捉几何与语义信息，又足够稀疏，以便在大型未知环境中进行规划。 图（Graph）为这一目的提供了自然的表示方式，并且是经典规划方法和日益增多的一类强化学习（RL）策略的基础。
然而，RL 训练需要数百到数千个并行环境，每个环境都要构建并更新自己的图。 现有的图库通常面向单机器人部署或固定图设计，而基于 CPU 的图构建将可扩展训练限制在仅几十个环境。 我们提出 GGraph，一个开源的 GPU 加速图库，同时面向机器人部署和大规模学习。
GGraph 通过 ROS 2 接口支持真实机器人，并提供基于 GPU 的向量化策略训练，内置对三维导航、探索和回环闭合集成等任务的支持。 在单机器人运行时，GGraph 可在毫秒级更新图。 在大规模场景下，它使基于图的探索策略能够在数百个并行机器人上训练，将实际训练时间缩短一个数量级。
在仿真和真实世界实验中，这些结果确立了 GGraph 作为大规模机器人学习与部署的统一图基础设施的地位。