Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots
中文摘要
由模型生成 · 人工抽检该论文研究可持续供能的移动机器人如何在固定闭合路径上优化速度轨迹，以在能量采集与信息获取之间取得最优权衡。作者将问题建模为周期最优控制问题，结合超线性推进成本与信息增益/衰减，基于信息论中的清晰度指标推导最优控制必要条件，并给出高速信息极限等性质，最后以切萨皮克湾盐度持续监测仿真验证。
全文
已译中文[Submitted on 14 Oct 2026]
标题：
Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots
查看题为 Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots 的论文 PDF，作者为 Kavin M. Govindarajan 及另外 2 位作者
查看 PDF
HTML（实验性）
摘要：
可持续供能的移动机器人通过从环境中收集能量，能够实现长时程的观测任务。然而，有效的自主性要求机器人就如何分配这些能量做出决策，以随时间最大化信息质量。本文研究一个持久（无限时域）速度轨迹优化问题，该问题被表述为一个周期性最优控制问题，其中机器人反复沿固定闭合路径行进，将超线性的推进代价与动态的信息增益和衰减相耦合。以信息论量 clarity 作为信息度量，我们首先推导最优控制的必要条件。随后我们推导出若干专门的后续性质，这些性质刻画了：(i) 当路径上各点重要性不同以及重要性相同时最优控制的性质，以及 (ii) 当能量储备趋于无穷时所趋近的高速信息极限。我们在一个简单示例上展示信息最优速度轨迹，以展示在优化速度剖面下所遵循的关键趋势。随后是基于 Chesapeake Bay 盐度持久性刻画的仿真研究，展示了应用本文结果的实际价值。
提交历史
来自：Kavin Govindarajan [
查看邮件
[v1]
2026年10月14日 周三 20:06:11 UTC (1,460 KB)
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
2 个 · 均跳转原站，本站不托管文件正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。