面向缓解作物损失的去中心化自主多智能体框架
人工智能
2019-01-09 v1
摘要
我们提出了一种用于异构自主智能体团队的广义决策理论系统，该团队的任务是在线识别作物田中表型表达的逆境胁迫。该系统采用四种不同类型的智能体，对应于四种可用的传感器模态：卫星（第3层）、无人机（L2）、无人地面车辆（L1）和静态地面传感器（L0）。第3、2和1层负责以传感器模态的可用分辨率执行图像处理，并与第0层传感器生成的数据一起识别随时间产生的异常差异。我们的目标是限制使用计算和时序开销更大的后续层。因此，从第3层到第1层，每一层仅调查前几层已识别为可能受胁迫影响的区域。我们基于Perkins的蒙特卡洛探索起点（Monte Carlo Exploring Starts）为每一层决策问题引入了一种广义马尔可夫模型的强化学习技术，并将该系统命名为农业分布式决策框架（ADDF）。由于我们的领域是真实世界且是在线的，我们展示了系统两个主要组件的实现：基于聚类的图像处理方法与双层POMDP实现。
引用
@article{arxiv.1901.02035,
title = {Towards a Decentralized, Autonomous Multiagent Framework for Mitigating Crop Loss},
author = {Roi Ceren and Shannon Quinn and Glen Raines},
journal= {arXiv preprint arXiv:1901.02035},
year = {2019}
}