实体
MarineGym
MarineGym
PulseAugur coverage of MarineGym — every cluster mentioning MarineGym across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的强化学习方法优化水下航行器功率预算
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。
-
新的强化学习方法优化水下航行器动力预算
研究人员开发了一种新的水下航行器控制方法，通过将功耗视为明确的约束来优先考虑能源效率。该方法使用约束马尔可夫决策过程和PPO-Lagrangian算法，允许用户以物理单位设置特定的动力预算。在MarineGym模拟器中的各种航行器和任务中，该方法成功地将功耗降低了14-65%，同时保持了任务的准确性和平稳性，为能源高效的水下作业提供了一种无需调整的解决方案。