机器人何时重规划？时变MDP中基于遗憾的更新调度

论文研究非平稳环境中机器人如何在有限算力与能量预算下决定何时重新估计状态并重规划。作者在转移漂移速率有已知上界的时变马尔可夫决策过程（TVMDP）中，把执行建模为跳更新方案：在选定更新时刻用最大似然估计转移核并计算有限时域策略，两次更新之间沿用该策略并传播状态估计。作者分析该方案的动态遗憾，给出跳更新区间内遗憾随时变MDP性质与跳长度增长的界，并据此提出在线、遗憾引导的更新规则以自适应分配预算。实验在具有时变打滑动力学的仿真火星车导航任务和室内障碍场中的Crazyflie四旋翼上进行，自适应分配优于其他预算受限基线。该文为arXiv预印本，尚未经同行评议。