预印本提出遗憾引导的机器人重规划调度规则

Negin Musavi 等作者在 arXiv 预印本中提出一种在线、遗憾引导的更新调度规则，用于在算力与能量预算有限时决定机器人何时重新估计状态并重规划。作者把问题建模为转移漂移速率有已知上界的时变马尔可夫决策过程（TVMDP），执行采用跳更新方案：在选定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，并据此让规则自适应分配预算。 作者称，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，自适应分配优于其他预算受限基线。该文尚未经同行评议，上述效果未经独立验证。

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。