.png){kind=icon}
返回
A multi-task reinforcement learning framework for resilient autonomous USV navigation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.oceaneng.2026.125549.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出多任务强化学习用于USV导航，通过灵活的任务嵌入
• 设计具有海洋动力学、变化交通和障碍物场景
• 系统比较单任务强化学习智能体，评估性能提升和鲁棒性
• 通过迁移学习和知识重用展示泛化能力
• 验证动态任务切换以实现任务中期的对接重新分配
Keyword:
multi-task reinforcement learning
autonomous USV navigation
task embeddings
maritime dynamics
transfer learning
期刊
IF:
5.5
论文数:
7.3K
被引数:
7.6W
机构
引用论文
Jin, K.; Liu, Z.; Wang, J.; Wang, H. Unmanned Surface Vehicle Navigation Under Disturbances: World Model Enhanced Reinforcement Learning. IEEE/ASME Trans. Mechatron. 2025, 1–9. [Google Scholar] [CrossRef]金, K.; 刘, Z.; 王, J.; 王, H. 扰动下的无人水面航行器导航:基于世界模型增强的强化学习. IEEE/ASME Trans. Mechatron. 2025, 1–9. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏分享收藏Bidirectional Progressive Neural Networks With Episodic Return Progress for Emergent Task Sequencing and Robotic Skill TransferIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏COLREGs-abiding hybrid collision avoidance algorithm based on deep reinforcement learning for USVs
PREAI
分享收藏
查看更多内容