基于贝叶斯强化学习的监视规避
机器学习
2023-02-24 v2 最优化与控制
摘要
我们考虑连续设定下的监视规避路径规划任务。逃避者（Evader）力求逃离一个二维区域，同时最小化被探测（并立即捕获）的风险。探测概率依赖于路径，并由空间非均匀的监视强度决定；该强度固定但先验未知，并在多回合设定中逐渐被学习。我们引入一种贝叶斯强化学习算法，其依赖于高斯过程回归（基于先前回合的信息建模监视强度函数）、Hamilton-Jacobi 偏微分方程的数值方法（基于当前模型规划最优连续轨迹）以及置信界（以平衡探索与利用）。我们通过数值实验与后悔度指标，凸显了我们的方法相较于传统基于图的强化学习算法的显著优势。
引用
@article{arxiv.2109.14811,
title = {Surveillance Evasion Through Bayesian Reinforcement Learning},
author = {Dongping Qi and David Bindel and Alexander Vladimirsky},
journal= {arXiv preprint arXiv:2109.14811},
year = {2023}
}
备注
6 pages, 3 figures; accepted for presentation publication at AISTATS 2023