不确定性下的无悔重规划
机器人学
2016-09-19 v1 机器学习
摘要
本文探讨了不确定性下的路径规划问题。具体而言，我们考虑需要在潜在环境中运行的在线滚动时域规划器，其中潜在信息可以通过高斯过程建模。潜在环境中的在线路径规划具有挑战性，因为机器人需要探索环境以获得更准确的潜在信息模型，以便后续进行更好的规划，同时还需要尽快完成任务。我们提出了在赌博机设定中流行的 UCB 风格算法，并展示了如何将这些分析适应于在线机器人路径规划问题。所提出的算法以近乎最优的方式平衡探索与利用，并具有吸引人的无悔性质。我们在风场部分观测时的飞机飞行路径规划应用上展示了该框架的有效性。
引用
@article{arxiv.1609.05162,
title = {No-Regret Replanning under Uncertainty},
author = {Wen Sun and Niteesh Sood and Debadeepta Dey and Gireeja Ranade and Siddharth Prakash and Ashish Kapoor},
journal= {arXiv preprint arXiv:1609.05162},
year = {2016}
}
备注
8 pages