Akule：基于稀疏交互扩散的快速可扩展多机器人运动规划

Akule 是一个稀疏交互扩散框架，通过在冻结的单机器人先验上增加可复用的成对修正模型 R_φ、上下文选择器 U_ψ 和组合器 G_ω，实现多机器人运动规划。它在多个 MRMP 基准上取得最高 25 倍完整规划器加速、零样本种群迁移，并成功规划多达 256 个机器人。消融实验表明，学习到的选择与组合相比启发式选择和均匀求和能减少修复前冲突和下游修复工作量。