基于莱维飞行觅食假设的稀疏奖励下自主无记忆搜索

自主机器人通常承担区域探索与搜索特定目标或感兴趣 artifacts 以供追踪的任务。传统上，所考虑的问题表述为完全搜索，从而——理想情况下——识别所有感兴趣的目标。然而，一个未被经常解决的重要问题是在稀疏奖励下的时间高效无记忆搜索，其中任意数量的物品可能值得被访问。在本文中，我们专门解决一个很大程度上未被充分研究的问题：在大规模环境中且受限于无记忆探索的条件下，优化机器人搜索稀疏分布奖励（检测感兴趣目标）的“到达时间”或“检测时间”。所提出解决方案的核心在于，基于莱维飞行的恒定速度搜索（即遵循莱维飞行路径的恒定速度搜索）在无地图记忆的情况下对于搜索稀疏且随机分布的目标区域是最优的。一组结果伴随方法的展示，证明了其特性并论证了其在大规模区域探索自主性方面的用途。