Проблема: от «беги» к алгоритмической безопасности
Массовые стрельбы требуют мгновенных решений, но существующие протоколы часто сводятся к общим рекомендациям: «беги, прячься, сражайся». Традиционные алгоритмы маршрутизации либо жестко привязаны к конкретной планировке здания, либо вычислительно неэффективны для больших пространств. GPEvac решает эту проблему, используя графовые нейронные сети (GNN) для адаптивного построения маршрутов в условиях неопределенности и скопления людей.
Технология: GNN + PPO и виртуальный узел
Архитектура GPEvac объединяет графовые нейронные сети с алгоритмом обучения с подкреплением Proximal Policy Optimization (PPO). Ключевым нововведением стала схема последовательной передачи сообщений по ребрам (edge-first sequential message-passing) с обучаемым виртуальным глобальным узлом. Это позволяет модели учитывать как локальные препятствия, так и долгосрочные зависимости в структуре здания. Благодаря механизму, инвариантному к перестановкам, одна и та же политика может работать на зданиях разной топологии и размера без переобучения.
Результаты: скорость и эффективность
Система демонстрирует высокую производительность на локальном CPU-оборудовании, что критично для интеграции с существующими системами видеонаблюдения. В симуляциях GPEvac значительно превосходит базовые интеллектуальные алгоритмы, минимизируя время нахождения людей в зоне угрозы.
| Параметр | Значение / Характеристика |
|---|---|
| Вычислительная задержка | 14.73 мс (на локальном CPU) |
| Основной метод | GNN + PPO (Proximal Policy Optimization) |
| Ключевая особенность | Адаптивность к любой топологии здания |
| Целевая метрика | Минимизация экспозиции угрозы (threat exposure) |
Значимость: спасение жизней и переносимость технологий
Разработанная методология не ограничивается только сценариями стрельбы. Подход к принятию решений на графовых структурах с учетом динамических изменений среды может быть применен в управлении критической инфраструктурой, интеллектуальных транспортных системах и адаптивных сенсорных сетях. Это шаг от статических инструкций к динамическому, ИИ-управляемому спасению людей.
Источник: arXiv cs.AI ↗