使用强化学习应对加拿大海岸线非法活动
信号处理
2021-08-09 v1 人工智能
机器学习
机器人学
系统与控制
系统与控制
摘要
本文详述机器学习（ML）如何助力解决与海洋领域安全相关的当代问题。全球“非法、不报告、不受管制”（IUU）捕捞事件已导致严重的环境与经济后果，除自然资源枯竭造成的经济损失外，还涉及生态系统的剧烈变化。联合国粮农组织（FAO）渔业与水产部（FAD）发布报告称，IUU捕捞造成的年度损失达250亿美元。这对海洋生态系统未来生物多样性及国内国民生产总值（GNP）产生负面影响。因此，日益需要稳健的拦截机制来检测和追捕海域内持续的非法捕捞事件。本文解决协调一艘或多艘船只（追捕者）在本地水域内抓捕IUU船只的问题。该问题被建模为追捕-逃逸问题，并在ML框架内求解。一个或多个追捕者（如执法船只）基于值迭代过程的在线强化学习机制拦截逃逸者（即非法捕捞船）。该机制利用逃逸船及追捕船只的实时导航测量值，返回无模型的拦截策略。
引用
@article{arxiv.2108.03169,
title = {Responding to Illegal Activities Along the Canadian Coastlines Using Reinforcement Learning},
author = {Mohammed Abouheaf and Shuzheng Qu and Wail Gueaieb and Rami Abielmona and Moufid Harb},
journal= {arXiv preprint arXiv:2108.03169},
year = {2021}
}