研究人员开发了一种卷积神经网络来近似主动目标搜索决策，显著降低了计算成本。该方法在现有规划器数据上训练网络，使用多通道网格来编码目标信念和代理位置等关键信息。模拟表明，这种神经网络方法在检测率方面与传统规划器相似，但速度却快了几个数量级。 AI
影响 这项研究为主动目标搜索算法提供了显著的速度提升，有可能在机器人和自主系统中实现更高效的实时应用。
排序理由 这是一篇研究论文，描述了一种使用神经网络近似不确定性下主动目标搜索决策的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.22254v1 Announce Type: new Abstract: We address the problem of searching for an unknown number of stationary targets at unknown positions with a mobile agent. A probability hypothesis density filter is used to estimate the expected number of targets under measurement u…
We address the problem of searching for an unknown number of stationary targets at unknown positions with a mobile agent. A probability hypothesis density filter is used to estimate the expected number of targets under measurement uncertainty. Existing planners, such as Active Se…