PulseAugur
中
实时 05:05:56
English(EN) Average-Power-Budgeted Underwater Vehicle Control via Constrained Reinforcement Learning

新的强化学习方法优化水下航行器功率预算

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法来控制水下航行器，将能源效率直接整合到强化学习过程中。该方法将控制构建为约束马尔可夫决策过程，允许以物理单位设置明确的功率预算。使用 PPO-Lagrangian 算法来解决这个问题，并在线更新对偶变量，以满足每个特定航行器和任务的预算。在 MarineGym 模拟器中的测试表明，与仅关注任务准确性的基线相比，在各种航行器和任务中，功率显著降低了 14-65%，同时保持了平稳运行和任务准确性。 AI

影响 这项研究提供了一种无需调优即可实现水下航行器能效控制的方法，有望延长任务范围和续航时间。

排序理由 该集群包含一篇详细介绍新强化学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的强化学习方法优化水下航行器功率预算

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍新强化学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
78 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yinuo Wang, Gavin Tao, Yuze Liu, John V. Ringwood ·

    基于约束强化学习的平均功率预算水下航行器控制

    arXiv:2606.25680v2 Announce Type: replace-cross Abstract: Underwater vehicles operate from a fixed onboard energy budget that propulsion rapidly depletes, so a controller that completes its task while drawing less thruster power directly extends mission range and endurance. Reinf…

相关实体

相关话题