事件触发估计的帕累托最优策略

尽管资源受限的联网自主系统必须能够高效且有效地完成任务，但更好的资源节约往往导致更差的任务性能。我们具体解决的是在智能体之间管理测量通信成本的策略发现问题。事件触发（ET）是一种公认的用于权衡通信成本与估计精度的技术，其中仅当测量有用时才进行通信，例如当卡尔曼滤波器新息超过某阈值时。在缺乏测量的情形下，智能体可利用隐式信息取得与始终通信显式数据几乎相当的结果。然而，目前尚无方法能在形式化保证任务性能的前提下设定该阈值。我们填补了这一空白：开发了一种新颖的信念空间离散化技术，将 ET 估计的连续空间动力学模型抽象为离散马尔可夫决策过程，可扩展地容纳对阈值敏感的 ET 估计器误差协方差。随后，我们应用已有的概率权衡分析工具，求出资源消耗与任务性能之间所有最优权衡的集合。从该集合中可提取出 ET 阈值选择策略。仿真结果表明，我们的方法以仅有的适度计算代价，识别出了性能与节能之间非平凡的权衡。