本文展示了如何利用图神经网络来学习连接的机器人团队的分布式协调机制，并通过将机器人队伍建模为图形来捕捉机器人协调的关系。训练过程中，机器人学习如何传递信息和更新内部状态，以达到目标行为，然后通过局部估计团队网络拓扑的代理方法来考虑更复杂的问题。

May, 2018

本文提出了一种通用的图神经网络（GNN），旨在通过协同感知能力，提高多机器人视觉感知任务的单个机器人推断感知准确性，并提高其对传感器故障和扰动的恢复能力。该方法已在多种实验场景中进行了验证。

Jan, 2022

本文提出一种利用图网络来从数据中学习去中心化控制器的框架，通过解决群聚问题展示了其在动力学系统中的应用潜力。

Mar, 2020

使用分布式图神经网络在异步 PAC 中计算导航行为和生成通信消息的框架，有效地为协同覆盖大环境的大型机器人群体进行导航。

Sep, 2023

论文介绍了一种通过演示学习路径规划的方法，运用了全卷积神经网络来学习专家路径演示的地图，并使用 RRT* 算法来优化路径预测，本方法已在真实路径中进行试验并与逆强化学习算法进行了对比。

Mar, 2018

在这篇论文中，通过对图神经结构进行综述，从机器人的角度探索了图学习在机器人应用中的潜力、挑战和各种应用案例，以期为读者提供深入的了解，并为未来的研究指明可能的方向。

Oct, 2023

该论文探讨了使用 CNN-DNN 网络融合构建机器人导航控制器在模拟环境中的应用。模拟环境模拟了地下救援情况，其中一个自主代理任务是在未知的洞穴系统中找到一个目标。使用模仿学习训练控制算法利用 LiDAR 和摄像头数据导航空间并找到目标。通过使用蒙特卡洛测试训练好的模型的鲁棒性。

Jan, 2024

本文提出了一种基于信息感知的图块网络 (I-GBNet)，通过模仿学习和集中采样的专家求解器来训练，可以实现在一个由机器人组成的移动团队中定位和跟踪动态目标的应用。

Sep, 2022

本文研究使用现代深度学习技术自动学习 botnet 检测策略的神经网络设计挑战，通过在大规模真实网络中叠加不同通信模式的 botnet 连接来产生训练数据，使用图神经网络来检测集中式和分散式 botnet 的结构，实验结果表明，图神经网络比之前的非学习方法能更好地捕捉 botnet 结构，并且深层图神经网络对于学习复杂的 botnet 拓扑结构至关重要。

Mar, 2020

自适应在线路径规划和深度强化学习的无人机机器人在未知环境中更高效地探测目标。

Feb, 2024