利用强化学习改进基于无人机的温室气体通量推断
机器学习
2024-01-09 v1 机器人学
大气与海洋物理
摘要
地球表面温室气体通量的精确测绘对于气候模型的验证和校准至关重要。在这项研究中，我们提出了一个利用无人机进行地表通量估算的框架。我们的方法使用数据同化（DA）从无人机观测中推断通量，并使用强化学习（RL）优化无人机的采样策略。在此，我们证明，与沿着穿越排放羽流的预定义飞行路径进行采样的无人机相比，经过强化学习训练的无人机能够更准确地量化二氧化碳热点。我们发现，基于信息的奖励函数可以达到与基于误差的奖励函数相当的性能，后者量化了估计的地表通量与真实值之间的差异。基于信息增益和信息熵的奖励函数可以激励无人机采取行动，以增加其对其更新信念的信心，而无需了解真实的地表通量。这些发现为将该框架进一步发展用于更复杂地表通量场的测绘提供了宝贵的见解。
引用
@article{arxiv.2401.03932,
title = {Using reinforcement learning to improve drone-based inference of greenhouse gas fluxes},
author = {Alouette van Hove and Kristoffer Aalstad and Norbert Pirk},
journal= {arXiv preprint arXiv:2401.03932},
year = {2024}
}