본 논문은 차량 경로 계획 문제, 특히 팀 오리엔티어링 문제(TOP)를 효율적이고 정확하게 해결하기 위해 다중 에이전트 경로 계획 신경망인 TOP-Former를 제안한다. 기존의 선형 프로그래밍 기반 방법은 정확하지만 계산 시간이 오래 걸리고, 휴리스틱 방법은 빠르지만 최적이 아닌 해를 구하는 한계가 있다. TOP-Former는 중앙 집중식 Transformer 신경망을 기반으로, 그래프로 모델링된 상황을 인코딩하고 모든 에이전트의 전체 맥락을 분석하여 빠르고 정확하며 협력적인 해결책을 제공한다. 기존의 국지적인 관점의 신경망 기반 접근 방식과 달리, TOP-Former는 차량 함대의 전반적인 상황을 이해하고 장기적인 기대 수익을 극대화하는 해결책을 생성하도록 훈련된다. 실험 결과, TOP-Former는 정확성과 계산 속도 측면에서 최첨단 방법 대부분을 능가하는 것으로 나타났다.
