基于主动参数学习的安全区域识别方法

我们考虑自动化系统在环境中识别安全区域的问题。将环境划分为有限个 Voronoi 单元，每个单元都有一个代表点，即 Voronoi 中心。各区域被认为安全的程度，通过信任分布来刻画。oracle 对各区域所信任的程度通过参数依赖于该区域的伯努利分布来建模。这些参数对系统而言是未知的。然而，如果智能体访问某个区域，它将从 oracle 那里获取一个二值随机响应，以指示该区域是否值得信任。目标是设计一条路径，使得智能体通过遍历各单元的中心后，最终能够为每个单元标记为安全或不安全。为此，我们将主动参数学习问题形式化为一个有限时域随机控制问题，其中代价函数依据大偏差原理（LDP）来构建。分析了基于动态规划求解问题的挑战。随后，对优化问题进行松弛，以获得可求解的单步优化问题，得到闭式解。据此，我们提出一种用于参数主动学习的算法。定义了信任分布与单元标签之间的关系，并提出一种分类算法来识别安全区域。我们证明了该算法通过对不安全区域的有限次数访问即可识别出安全区域。我们通过一个例子来演示了该算法。