多机器人高效信息感知
本文提出了两种基于信息熵和互信息准则的高效信息论路径规划方法，可以改进高斯过程模型中异性场的主动感知性能，并优化时间效率。该算法在实际应用中可以比现有技术更有效，计算时间较短。
Feb, 2013
本文提出一种通过加入多种传感器数据来进行环境探索的智能体路径规划算法，使用基于高斯过程信念的马尔可夫决策过程进行求解并在线规划中使用顺序贝叶斯优化方法以平衡传感、移动和资源限制，结果表明该方法较以往的算法表现更佳，在资源利用效率和信念平均误差方面都有明显提升，并且我们的实现已经完全开源以方便后续的发展和比较。
Sep, 2022
通过开发计算上高效且有效的算法，我们为在不确定信念状态下预测可能的传感器测量结果这一困难问题提供了一个更精确的近似解。实验结果表明，在多旋翼飞行器的广泛模拟和实地实验中，我们的方法在无线电源跟踪和定位问题中取得了改进的性能增益。
May, 2024
本篇论文研究的是一个应用于移动机器人自主探索和检查的问题，即在燃料预算有限的情况下最大化从世界中获取的信息量的问题。作者提出了一种新颖的数据驱动的模仿学习框架，并通过 EXPLORE 算法来训练一个策略以模仿一个有完整信息并计算非简约解来最大化获取信息的先知，验证了这一方法在不同对象分布上的适应能力。
Nov, 2016
本论文提出一种使用水质传感器装备的自主水面船只的深度 Q-Learning 算法框架，解决它在静态和动态环境下的监控任务中的障碍物避免以及路径规划问题，结合信息增益来衡量不确定性，模拟实验表明噪声网络是增强探测的良好选择，该框架成功应用于自主监控下的水资源监测。
Oct, 2022
本研究提出了一种基于高斯过程模型的无人机自适应信息路径规划算法（OA-IPP），该算法可以在复杂的三维环境中进行目标搜索，该算法与现有的路径规划算法相比表现更好，可以应用于实际的城市搜救情景。
Feb, 2019
本篇论文提出了一种基于协调的认知预测和规划框架来解决多机器人系统中的非通信性渲染问题，同时实现了探索、覆盖、任务发现和完成以及汇合应用等任务，该框架通过基于前沿的方法在人工物理学框架内实现置信状态的传播和环境覆盖，经过模拟和实验验证了其有效性。
Feb, 2023
在复杂环境中，我们解决了高效和无障碍监视或通信的问题，通过使用最少数量的传感器覆盖环境，并考虑对传感器故障或对抗性攻击具有鲁棒性的解决方案。我们提出了一种贪婪算法来实现多覆盖约束的最小传感器集设计目标，并探索了使用深度学习技术加速贪婪算法中目标函数的评估。神经网络的训练揭示了数据的几何特性显著影响网络性能，特别是在最后阶段。通过考虑这些特性，我们讨论了使用贪婪算法和 ϵ- 贪婪算法生成数据的差异及其对网络的鲁棒性的影响。
Sep, 2023