基于信息寻求预测控制的随机火front过程自适应监控

我们考虑使用移动代理人（例如无人机）来自适应地监控野火前沿，其轨迹决定数据采集位置，从而影响火焰传播估计的准确性。这是一个具有挑战性的问题，因为野火演化的随机性要求 seamless 地集成感知、估计和控制，通常在现有方法中被单独处理。现有方法要么假设线性-高斯模型以建立最优性，要么依赖近似和启发式方法，通常不提供明确的性能保证。为此，我们将火front监控任务形式化为随机最优控制问题，将感知、估计和控制集成在一起。我们推导了针对一类随机非线性椭圆形增长火front模型的optimal递归贝叶斯估计器。随后，我们将 resulting nonlinear stochastic control problem 转化为有限时域马尔可夫决策过程，并设计一种基于 lower confidence bound 自适应搜索算法获得的信息寻求预测控制法则，确保收敛到optimal policy。