生成式海洋模型驱动多机器人自适应采样

研究团队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同时完成预测、不确定度估计、规划和测量同化：模型在潜空间预测集合、解码为物理海洋状态，以集合统计量构造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点，采集的测量再经观测条件扩散采样同化回潜状态。 作者称，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，规划开销增加很少；但实验也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；上述结果均为作者自述，未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。