研究团队提出基于生成式海洋模型的多机器人闭环自适应采样框架

研究提出一种多机器人闭环自适应采样框架，用单一学习生成模型完成预测、不确定度估计、规划与测量同化。模型在潜空间预测集合，解码为物理海洋状态，再用集合统计量构造A-或D-最优采样目标，并在预测洋流约束的机器人可达性下选择采样点；采集的测量通过观测条件扩散采样同化回潜状态。在120个测试场景中，A-和D-最优采样总体优于静态、随机和系统覆盖基线，且规划开销增加很少。实验还发现若干场景中模型不确定度与预测误差不一致，作者据此提出未来需研究不确定度量化。该工作为arXiv预印本，尚未经同行评议。