PulseAugur
中
实时 10:31:44
English(EN) Diffusion-Guided Cooperative Policy Learning for Target Tracking Based on Underwater Mobile Agent Networks

新的SDA-MARL算法增强了水下协同目标跟踪能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的多智能体强化学习（MARL）算法，称为SDA-MARL，用于改进水下移动代理网络协同目标跟踪。该算法解决了动态水下环境中策略非平稳性、异构经验学习效率低下以及策略漂移等挑战。SDA-MARL采用分层架构，并将基于扩散的生成分支与深度确定性策略梯度（DDPG）分支相结合，采用监督样本选择和行为克隆机制来提高跟踪精度和收敛速度。 AI

排序理由 该集群包含一篇详细介绍针对特定技术问题的新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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SDA-MARL算法增强了水下协同目标跟踪能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jiaao Ma, Chuan Lin, Guangjie Han, Shengchao Zhu, Zhenyu Wang, Chen An ·

    基于水下移动代理网络的扩散引导协同策略学习用于目标跟踪

    arXiv:2603.29426v2 Announce Type: replace-cross Abstract: Multi-agent reinforcement learning (MARL) provides a promising solution for cooperative target tracking in networks of autonomous underwater vehicles (AUVs). However, existing methods still face three major challenges: 1) …

相关实体

相关话题