论文提出基于深度强化学习的暴露感知信息路径规划方法
热点事件持续更新
论文提出基于深度强化学习的暴露感知信息路径规划方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Muzaffar Qureshi 等人在 arXiv 发表论文,提出一种将有限预算下的多智能体信息路径规划建模为标量化双目标信念状态马尔可夫决策过程的方法。该方法利用参数共享近端策略优化框架进行离线训练。 在雷达、羽流及野火场域测试中,EA-IPP 智能体以低于非学习基线 10% 的信息代价实现了最低的 GP 重建 RMSE,且最小场暴露量分别比无感知基线低约 34.6%、20.1% 和 27%。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
深度强化学习实现曝光感知信息路径规划报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · 机器人与计算机视觉深度强化学习实现曝光感知信息路径规划
该方法将有限预算下的多智能体信息路径规划建模为标量化双目标信念状态马尔可夫决策过程,利用参数共享近端策略优化框架离线训练。在雷达、羽流及野火场域测试中,EA-IPP 智能体以低于非学习基线 10% 的信息代价实现了最低的 GP 重建 RMSE,且最小场暴露量分别比无感知基线低约 34.6%、20.1% 和 27%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。