Yinuo Wang

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。