增强传感器融合中的强化学习：漫游车搜索规划中容积法与基于采样积分方法的比较分析

本研究调查了两种数值积分方法（容积法和基于采样的方法）在2D多边形上对被积函数进行积分时的计算速度和准确度。以一组在火星表面进行搜索且传感器覆盖范围有限的漫游车作为测试平台，比较了在基于采样的方法中通过细分区域以提高准确度时的相对误差和计算时间。结果表明，当在100%计算性能下与容积法相匹配时，基于采样的方法在相对误差上表现出14.75%的偏差。此外，由于基于采样方法的 $\mathcal{O}(N^2)$ 复杂度，要实现低于1%的相对误差，计算相对时间需要增加10000%。结论是，为了增强强化学习能力及其他高迭代算法，容积法优于基于采样的方法。