IJCAI 2025（The 34th International Joint Conference on Artificial Intelligence）将于2025年8月16日至22日在加拿大蒙特利尔举行。IJCAI是人工智能领域最具影响力的国际会议之一，也是中国计算机学会（CCF）推荐的A类国际学术会议，会议内容涵盖了人工智能理论与架构、机器学习、自然语言处理、计算机视觉、机器人科学等领域。
论文题目： GCNT: Graph-Based Transformer Policies for Morphology-Agnostic Reinforcement Learning
第一作者：罗颖博（2023级硕士）
收录会议：IJCAI 2025 (CCF-A类)
指导教师：姚美宝
论文概述：为不同形态的机器人训练一个通用控制器是一种极具前景的研究趋势，因为这可以显著提升机器人系统的鲁棒性和适应性。然而，不同的形态结构会导致状态空间和动作空间的维度不一致，从而难以适配传统的策略网络。现有方法通过将机器人构型模块化来解决这一问题，但往往未能充分提取和利用整体的形态信息，而这一信息已被证明对于训练通用控制器至关重要。为此，我们提出了GCNT，一种基于改进图卷积网络（GCN）和Transformer的形态无关策略网络。该方法利用了GCN和Transformer能够处理任意数量模块的特性，从而实现了对多样化形态的兼容。我们的核心见解是，GCN能够高效地提取机器人的形态信息，而Transformer则通过允许机器人每个节点之间直接传递信息，确保这些形态信息被充分利用。实验结果表明，我们的方法能为不同构型的机器人生成具有鲁棒性的运动行为，包括对训练过程中未见形态的零样本泛化能力。特别是，在两个标准基准测试中的8个任务上，GCNT都达到了最佳性能。
