Tag · 2 篇
多智能体控制
分布 强化学习与具身智能1视觉语言模型1
01 02
InterAgent：基于交互图扩散的物理多智能体指令执行
InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs
提出交互图外感知表示与稀疏边注意力机制，可迁移到多智能体视觉感知与交互建模任务中，用于显式编码关节间空间依赖并动态剪枝冗余连接。
图到帧 RAG：面向免训练与可审计视频推理的视觉空间知识融合
Graph-to-Frame RAG: Visual-Space Knowledge Fusion for Training-Free and Auditable Video Reasoning
把外部知识渲染成单张「推理帧」拼进视频，让 LMM 在统一视觉域内做联合推理，为视觉问答/视频推理提供了一种免训练、可审计的知识注入接口，可直接替换文本或多样本检索增强的拼接方式。