A Hybrid Sparse Graph Attention Framework for UAV Path Planning

doi:10.1109/JMASS.2025.3642275

A Hybrid Sparse Graph Attention Framework for UAV Path Planning

2026-03-01

0

PRE

AI

DOI：10.1109/JMASS.2025.3642275

原文链接

原文求助

摘要

En 中文

无人机路径规划对于基础设施检查、环境监测和物流配送等应用至关重要。典型的任务要求无人机从基地出发，访问指定目标并返回，形成闭合路线。然而，大规模目标、高维环境和严格的时限约束使得在保证精度与计算效率方面具有挑战性。为解决这些问题，我们提出了一种稀疏图注意力网络结合LKH（SGAT-LKH）的混合路径规划框架，该框架整合了稀疏图注意力编码器与Lin-Kernighan-Helsgaun（LKH）求解器。通过使用带多头注意力的稀疏图编码器提取信息丰富的邻域特征，SGAT-LKH生成数据驱动的候选边集，从而减少对人工启发式的依赖。大量的无人机路径规划仿真结果表明了SGAT-LKH的有效性：在2-D随机TSP500任务中，其平均运行时间为12.8秒，比LKH求解器快约70%。在TSPLIB基准测试中，平均误差保持在0.8%以下，扩展3-D任务的最优误差仅为0.085%。这些结果表明SGAT-LKH能够平衡精度与效率，为大规模和时间敏感的无人机任务提供可扩展且实用的解决方案。

Keyword:

Autonomous aerial vehicles

Path planning

Optimization

Decoding

Three-dimensional displays

Computer architecture

Time factors

Radio frequency

Genetic algorithms

Feature extraction

Hybrid optimization framework

multihead attention (MAT) mechanism

path planning

sparse graph encoder

unmanned aerial vehicle (UAV)

A Hybrid Sparse Graph Attention Framework for UAV Path Planning

摘要

期刊

机构