arXiv · 机器人与计算机视觉· Alejandro Casado-P\'erez, Marija Popovi\'c, Daniel Guti\'errez-Reina, Sergio L. Toral., Samuel Yanes·· 12 小时前AI 评分45
Better Calibrated, Better Planned:不确定性感知多 ASV 油膜监测信息路径规划研究
Better Calibrated, Better Planned: Uncertainty-Aware Multi-ASV Informative Path Planning for Oil Spill Monitoring
AI 导读
针对自主水面车辆(ASV)在稀疏噪声测量下映射异质污染场的需求,该研究引入证据深度学习(EDL)作为不确定性校准模型。在包含五类规划器的闭环物理仿真基准中,EDL 在所有配置下均实现最低误差与最高 IoU,且每步推理耗时仅 3.9ms。实验表明模型选择主导了最终重建误差的 80% 方差,证明了不确定性感知路径规划的鲁棒性要求。
来源:arXiv · 机器人与计算机视觉 · arxiv.org