Naukowcy przedstawili GPEvac - system sztucznej inteligencji do automatycznego wyznaczania tras ewakuacji w trakcie strzelanin masowych, działający w tiempo rzeczywistym na sprzęcie lokalnym. Projekt wykorzystuje grafy neuronowe (GNN) trenowane algorytmem PPO, aby obliczyć optymalne ścieżki ucieczki minimalizujące ekspozycję na zagrożenie przy jednoczesnym uwzględnieniu dynamiki tłoku i niepewności wynikającej z działań napastnika.
Głównym wyzwaniem w tej dziedzinie była sztywność istniejących metod - dotychczasowe podejścia wymagały osobnych algorytmów dla każdego budynku i były nieefektywne w dużych layoutach. Praktyczne wytyczne ograniczały się do ogólnych rad - uciekaj, ukrywaj się lub stawiaj opór. GPEvac rozwiązuje te problemy dzięki innowacyjnej architekturze z wirtualnym węzłem globalnym, który pozwala sieć neuronowej rozumieć zarówno zależności lokalne jak i długodystansowe. Istotne jest, że jeden wytrenowany model działa niezależnie od topologii i rozmiaru budynku.
System wykazuje znaczącą przewagę nad konkurencyjnymi metodami w symulacjach na różnych architekturach. Kluczowym atutem jest prędkość - całościowe obliczenie globalnych tras ewakuacji zajmuje średnio 14,73 milisekundy na zwykłym sprzęcie CPU, co umożliwia bezpośrednią integrację z systemami kamer monitorujących. Metodologia ma szerszy potencjał zastosowania w ochronie infrastruktury krytycznej i innych problemach decyzyjnych strukturyzowanych w formie grafów.