基于深度强化学习的异构自主面板车优化塑料废物收集
机器人学
2024-12-04 v1 机器学习
摘要
本文提出了一种基于模型无关深度强化学习的框架，用于异构自主面板车在水体中寻找和收集塑料废物的informative路径规划。系统采用两队车辆：侦察车队和清理车队。通过深度强化学习实现队间协调，使代理能够学习策略以最大化清洁效率。主要目标是让侦察车队提供最新的污染模型，而清理车队则依据该模型收集尽可能多的废物。这种策略导致异构队伍通过以量身定制的奖励函数支持的队间合作来优化车队效率。对所提出算法的不同训练与其他状态机方法在两种不同情景下的比较：一种是高凸性情景，另一种是狭窄走廊且访问困难的情景。根据获得的结果，表明基于深度强化学习的算法在其他基准方法中表现出更好的适应性。此外，在具有复杂布局的情景中，使用贪心动作进行训练进一步提高了性能。
引用
@article{arxiv.2412.02316,
title = {Optimizing Plastic Waste Collection in Water Bodies Using Heterogeneous Autonomous Surface Vehicles with Deep Reinforcement Learning},
author = {Alejandro Mendoza Barrionuevo and Samuel Yanes Luis and Daniel Gutiérrez Reina and Sergio L. Toral Marín},
journal= {arXiv preprint arXiv:2412.02316},
year = {2024}
}
备注
This article is currently under revision for the Robotics and Automation Letters (IEEE)