arXiv · 机器人与计算机视觉· Kalvik Jakkala, Jennifer Wakulicz, Donald G. Dansereau, Srinivas Akella, Lantao Liu, Jason M. O'Kane·· 6 天前AI 评分75
基于高斯过程的信息路径规划:误差界、算法与基准
Informative Path Planning with Gaussian Processes: Error Bounds, Algorithms, and Benchmarks
AI 导读
本文针对环境监控中的信息路径规划(IPP)问题,指出当前方法受限于启发式约束且缺乏同时满足最坏情况估计误差和逼近质量的理论保证。研究通过评估重构误差的概率与确定性界限,证明预测方差是 GP 基 IPP 的理论理想优化目标;分析表明 GreedyCover 算法的近似保证匹配了该问题的根本性近似硬度极限。
来源:arXiv · 机器人与计算机视觉 · arxiv.org