图神经网络

专门处理图结构数据的神经网络，每个节点通过边和邻居反复交换信息。

图神经网络处理由节点和边组成的数据，核心是消息传递：每一层里，每个节点汇总邻居传来的信息来更新自己的特征，堆叠多层后信息能传到更远的节点，而且结果不依赖节点的编号顺序。Scarselli 等人 2009 年提出「图神经网络模型」，之后有图卷积网络（GCN）、图注意力网络（GAT）等变体。具身智能里常见三种用法：把机器人身体建成图（关节、肢体作节点），如 NerveNet 让策略迁移到不同体型的智能体；把粒子或物体建成图来学物理，如 DeepMind 2020 年的图网络模拟器（GNS）；以及在 3D 场景图上表示物体关系，做推理和规划。

例子GNS 把流体、沙子等材料的每个粒子当作节点，相邻粒子连边，用多轮消息传递预测下一步位置；测试时的粒子数可以比训练时多一个数量级。

也叫

图网络、Graph Network、消息传递神经网络

相关

3D场景图、神经模拟器、点云编码器、Transformer、形态-控制协同设计（形态进化）、归纳偏置

来源

Graph neural network - Wikipedia
Learning to Simulate Complex Physics with Graph Networks (Sanchez-Gonzalez et al., ICML 2020)
NerveNet: Learning Structured Policy with Graph Neural Networks (project page)