用于提升环中分类器性能的无人机路径规划
最优化与控制
2024-10-31 v1
摘要
一些人机系统的设计使得机器（机器人）通过接口收集数据并将其传送给远程操作员（人类），以辅助其进行分类。人类作为（二分类）环中分类器的性能由正确分类类型 和 对象的概率来刻画。这两个概率取决于在兴趣点（POI，或 equivalently 目标）处收集信息所花费的驻留时间 。在目标处收集信息所带来的信息增益则是驻留时间 的函数，并按重访时间 （即同一目标连续两次重访之间的时长）进行折扣。分类路径规划问题的目标是最优地规划车辆路线并确定每个目标处的最优驻留时间，以在至少访问每个目标一次的同时最大化总折扣信息增益。本文中，我们做一个简化假设：信息增益按重访时间呈指数折扣；该假设使得单车辆问题中路径规划问题与确定各目标最优驻留时间的问题得以解耦。对于多车辆问题，我们提供了一种快速启发式方法以获得目标到各车辆的分配及相应的驻留时间。
引用
@article{arxiv.2310.08828,
title = {UAV Routing for Enhancing the Performance of a Classifier-in-the-loop},
author = {Deepak Prakash Kumar and Pranav Rajbhandari and Loy McGuire and Swaroop Darbha and Donald Sofge},
journal= {arXiv preprint arXiv:2310.08828},
year = {2024}
}