精选理由
这篇论文用约束强化学习给水下机器人设功率预算，省电14-65%，而且不用针对不同机器人和任务调参，在模拟器上验证了。
该论文将水下机器人控制问题建模为受平均推进器功率预算约束的马尔可夫决策过程，并采用PPO-Lagrangian算法求解。在MarineGym模拟器中，基于三个不同水下机器人模型和四个任务（共12个设置）的测试表明，能量约束策略相比仅优化任务的基准降低了14%至65%的功耗（最高达64.9%），且在10个设置中控制最为平滑。该方法无需针对每个机器人和任务手动调整权重，只需通过物理单位设定功率预算即可。
AI 翻译 · 中文
该论文将水下机器人控制问题建模为受平均推进器功率预算约束的马尔可夫决策过程，并采用PPO-Lagrangian算法求解。在MarineGym模拟器中，基于三个不同水下机器人模型和四个任务（共12个设置）的测试表明，能量约束策略相比仅优化任务的基准降低了14%至65%的功耗（最高达64.9%），且在10个设置中控制最为平滑。该方法无需针对每个机器人和任务手动调整权重，只需通过物理单位设定功率预算即可。
Underwater vehicles operate from a fixed onboard energy budget that propulsion rapidly depletes, so a controller that completes its task while drawing less thruster power directly extends mission range and endurance. Rei…