arXiv · cs.AI · Adam Abdin (LGI) · 10 小时前模型评分33
基于分布式强化学习的多目标在轨巡检风险敏感任务规划
Risk-Sensitive Mission Planning for Multi-Target On-Orbit Inspection via Distributional Reinforcement Learning
导读
一项研究用分布式强化学习为低轨多目标巡检任务做规划，采用分位数回归深度Q网络（QR-DQN，Quantile-Regression Deep Q-Network）智能体，按均值-方差准则同时考虑预测回报的期望与方差来选择下一个巡检目标。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “This paper presents an adaptive planning approach for multi-target servicing campaigns in low Earth orbit and applies it to inspection missions flown by a low-thrust servicer.”
来源：arXiv · cs.AI · arxiv.org