.png){kind=icon}
返回
Energy-efficient Navigation in Unknown Static Flow Fields using Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TLA.2026.11435595.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
能源效率在航运业中正变得日益关键，这是由于成本降低、环境可持续性、合规性、贸易量增长和安全提升的预期。在此背景下，强化学习（RL）方法在解决控制与优化问题上获得了显著关注。近期进展已证明其在物流、调度和资源分配等不同领域中的有效性。因此，本文利用RL解决船舶在未知静态流场中的节能导航问题。我们提出了一种奖励函数，以最小化流场影响下的控制努力，并借鉴当前先进文献，在多种场景下评估了两种表格和两种函数逼近方法。最后，我们进行了零样本模拟到模拟分析，以评估环境不确定性对我们所提出方法的影响。
Keyword:
Navigation
Energy efficiency
Oceans
Vehicle dynamics
Q-learning
Aerospace electronics
Uncertainty
Safety
Robustness
Planning
Autonomous Agents
Reinforcement Learning
Intelligent Transportation
期刊
IF:
1.3
论文数:
164
被引数:
1.8K
机构
引用论文
暂无论文信息