arXiv Robotics· Seung Woo Han, Hyeon Bin Yeo, Seung Heon Oh·· 5 小时前AI 评分31
基于图的强化学习用于多艘巡逻USV的顺序会合规划
Graph-Based RL for Sequential Rendezvous Planning with Multiple Patrolling USVs
AI 导读
针对多艘巡逻USV场景，研究提出结合网格路径规划、代理航行时间预测与图强化学习的会合规划框架，用可行转移图（FTG）表示候选会合事件及时间可行转移，并由图神经网络学习调度策略。
推荐理由模型分析
该研究把洋流与转向约束下的路径规划、代理航行时间预测和图神经网络策略学习组合起来，解决多艘巡逻无人艇按优先级顺序会合的调度问题。实验显示，与贪心、MLP-RL 和两步前瞻贪心相比，目标值分别平均降低 10.5%、3.5% 和 1.5%，且计算时间约为后者的 1/35。关注多机器人任务规划与海上无人系统调度的人，可据此比较图表示与序列决策方法在优先级变化和船队规模扩大时的表现，但结论目前来自网格路径规划与轨迹跟踪仿真。
来源：arXiv Robotics · arxiv.org