WAVN：融合CNN与GNN的拓扑感知视觉导航框架

这是一个面向GPS拒止环境的多机器人协作视觉归航框架，通过混合CNN/GNN架构将环境表示为拓扑图，实现去中心化学习与关系推理的隐私保护方案。

现代机器人系统越来越依赖GPS进行定位导航，但在室内、地下、城市峡谷或敌对环境中，GPS信号可能完全不可用或严重衰减。对于需要协作完成任务的机器人团队而言，如何在缺乏全局定位的情况下实现可靠的视觉导航，是一个亟待解决的技术难题。

传统的视觉导航方法通常依赖于单一机器人的局部感知，难以利用团队级别的集体知识。而集中式学习方法虽然可以整合多机器人数据，却带来了隐私风险和通信瓶颈。WAVN的核心创新在于提出了一种去中心化学习框架，结合拓扑感知的场景理解，既保护了数据隐私，又实现了知识共享。

WAVN采用了一种独特的混合架构，将环境建模为拓扑图：

• 图像嵌入作为节点：每个位置捕获的图像经过CNN特征提取后，成为图中的一个节点
• 导航转换作为边：机器人从一个位置移动到另一个位置的转换关系，形成图中的有向边
• 关系推理：GNN在图上进行推理，学习位置之间的拓扑关系和导航策略

这种表示方式的优势在于：

1. 拓扑抽象：将复杂的视觉环境抽象为图结构，降低了导航问题的复杂度
2. 关系建模：显式建模位置之间的可达性和转换关系
3. 可扩展性：新位置可以动态添加为节点，新路径可以添加为边
4. 隐私保护：每个机器人维护自己的子图，无需共享原始图像数据

项目使用EfficientNet B0作为冻结的特征提取器。这种选择兼顾了特征质量和计算效率：

• EfficientNet B0：轻量级但强大的CNN架构，适合边缘部署
• 可替换设计：可以轻松替换为ResNet、MobileNet等其他骨干网络
• 冻结权重：CNN部分在训练期间保持冻结，专注于训练GNN的图推理能力

WAVN的一个关键创新是四通道边增强图设计：

• RGB图像通道：提供标准的视觉特征
• 边缘分割图像通道：提供结构化的轮廓信息

这种双模态输入让模型既能理解场景的外观特征，又能把握场景的几何结构，显著提升了在复杂环境中的导航鲁棒性。

GNN部分采用2层图卷积网络（GCN）：

• 图卷积层：学习节点之间的关系和消息传递
• 全局池化：将所有节点的特征聚合成固定大小的图表示
• 线性分类头：将学习到的表示映射到导航决策空间

全局池化的作用是将变长的节点序列转换为固定维度的向量，这对于后续的导航决策至关重要。

项目代码组织清晰，分为几个核心模块：

这是图构建的核心模块，包含四个关键函数：

• get_feature_extractor：定义特征提取骨干网络，配置权重，设置投影和目标维度
• ExtractImageFeatures：转换RGB和边缘分割图像，组合成4通道张量
• resolve_dual_paths：解析图像对，确保当前位置和目的地位置的配对完整性
• BuildGlobalGraphFromCSV：基于前述函数的信息创建全局图，定义节点和边