May, 2024

MEXGEN：一种高效有效的信息增益近似用于信息收集路径规划

PDF
TL;DR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。
发现论文，激发创造
  • 多机器人高效信息感知

    本文提出了一种基于高斯过程的路径规划算法，以最大化信息获取并满足资源约束；同时，通过多机器人问题中的分配技巧，将该算法扩展到环境监测等多领域中。

    Jan, 2014

  • 最大化互信息以获得稳健可规划表征

    MIRO 设计了一个潜在的数据空间，最大化与未来信息的互信息，同时能够捕获规划所需的所有信息，并在干扰和杂乱的场景中比重建目标更具鲁棒性。

    May, 2020

  • 通过模仿学习信息聚集

    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

  • 多机器人环境现象主动感知信息路径规划：两种算法的故事

    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

  • 高维非参数信念的信息化规划

    本文提出一种计算信息论预期奖励的方法，运用信息量 (mutual information) 进行降维，开发出一个 Sequential Monte Carlo (SMC) 估计器，以避免未来信仰表面的重建，并将此方法应用于信息规划优化问题，最后在活动 SLAM 问题的模拟中评估该方法。

    Sep, 2022

  • 信息增益引导无人机

    这篇研究论文比较了两种用于推断气体羽流源项参数的无人机采样策略，并证明了深度强化学习在非等向气体羽流环境中相对于信息觅食法的优越性能。

    Jan, 2024

  • 动态、稀疏和部分观测环境中的信息增益传感器控制

    本文提出了一种在部分可观察的、动态和稀疏采样环境下进行自主传感器控制的方法，特别是在射频 (RF) 频谱监测方面，采用预测和信息增益奖励的 DAN 强化学习框架，并使用来自 RF 领域有限的样本迭代改进环境模型。通过基于不同复杂度和评估指标的模拟实验，验证了该方法优于基线专家设计控制器且适应非平稳环境的鲁棒性。

    Nov, 2022

  • 基于前向仿真的机器人探索规划

    本研究针对部分已知环境探索问题，以信息论目标函数为目标，将其视为部分可观察马尔可夫决策过程 (POMDP)，并通过 open-loop 逼近算法求解。提出了新的互信息采样逼近方法用于移动机器人，结果显示 POMDP 探索算法在某些情况下可以提高性能。

    Feb, 2015

  • 多信息源优化

    针对黑盒函数优化问题，本文提出了一种新算法，通过价值信息分析决策，处理了由模型差异和噪音观测所带来的不确定性，并在实验中验证了其相对其他先进技术具有更高的目标价值和更少的探索成本。

    Mar, 2016

  • 复杂环境下机器人路径规划的一种基于知识的遗传算法

    提出了一种新颖的基于知识的遗传算法，用于在非结构化复杂环境中规划移动机器人的路径规划，其中独特的路径表示方法和有效的路径评估方法使其能够准确检测冲突并在静态 / 动态复杂环境中找到接近最优的机器人路径。

    Sep, 2022