分布强化学习规划低轨多目标巡检
热点事件持续更新
分布强化学习规划低轨多目标巡检
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Adam Abdin 发表论文，提出一种面向低地球轨道多目标服务活动的自适应规划方法，并将其用于低推力服务器执行的多目标巡检任务。 该方法采用分位数回归深度Q网络（QR-DQN）智能体，按均值-方差准则同时考虑预测回报的期望与方差，据此选择下一个巡检目标。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
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报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AI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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。