作者提出时空GP-KF多机器人信息路径规划框架
热点事件持续更新
作者提出时空GP-KF多机器人信息路径规划框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Muqing Cao等作者提出一种基于网格的时空高斯过程-卡尔曼滤波框架，用于学习式多机器人信息路径规划。该框架用离散工作空间网格上的单一潜变量场表示匿名目标存在，不再为每个目标单独维护一个高斯过程。 作者称，在仿真中，集中式部署相比学习式方法和经典拍卖/覆盖基线能提升目标访问效果，并将后验目标不确定性降低约20%；一次真实双无人机实验在超过7000平方米的户外场地上完成了多机器人搜索，显示该方法可迁移到实际场景。 在分散式部署下，每台机器人各自维护建图器，机器人之间交换固定大小的信念摘要，而不是原始测量数据。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
多机器人学习式信息路径规划：时空高斯过程卡尔曼滤波框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.RO多机器人学习式信息路径规划：时空高斯过程卡尔曼滤波框架
作者提出基于网格的时空高斯过程-卡尔曼滤波框架，用于学习式多机器人信息路径规划，用离散工作空间网格上的单一潜变量场表示匿名目标存在，而非为每个目标维护一个高斯过程。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。