Key points are not available for this paper at this time.
Veículos aéreos não tripulados (VANTs) são amplamente utilizados em busca e salvamento urbanos, onde o planejamento de caminhos desempenha um papel crítico. Este artigo propõe uma abordagem usando aprendizado por reforço off-policy (RL) com um mecanismo de exploração melhorado (IEM) baseado em replay de experiência priorizada (PER) e exploração guiada pela curiosidade para abordar o problema de planejamento de caminhos sob restrições de tempo para VANTs operando em ambientes complexos e desconhecidos. Primeiramente, para atender às restrições de tempo da tarefa, projetamos um algoritmo de rollout baseado em PER para otimizar a política de comportamento e melhorar a eficiência de amostragem. Além disso, abordamos a questão de que certos algoritmos de RL off-policy frequentemente ficam presos em ótimos locais em ambientes com recompensas escassas, medindo a curiosidade usando o tempo não visitado dos estados e gerando recompensas intrínsecas para encorajar a exploração. Por último, introduzimos o IEM na fase de amostragem de vários algoritmos de RL off-policy. Experimentos de simulação demonstram que, em comparação com os algoritmos de RL off-policy originais, os algoritmos que incorporam o IEM podem reduzir o tempo de planejamento necessário para caminhos de resgate e alcançar o objetivo de resgatar todas as pessoas presas.
Wang et al. (Fri,) estudaram esta questão.