Clarity-Driven Adaptive Mission Planning for a Solar-Powered Autonomous Surface Vessel
中文摘要
由模型生成 · 人工抽检本文提出一种基于"清晰度"最大化的自适应任务规划方法，用于太阳能自主水面艇（ASV）执行科学探测任务。清晰度与微分信息熵严格关联，通过在线更新目标清晰度地图并采用遍历性路径规划，在可再生能源功率约束下持续重规划，优先采集高价值区域信息。仿真与北卡Jordan湖实验验证了有效性，为受限能源下的自主信息采集提供新思路。
全文
已译中文[Submitted on 14 Oct 2026]
标题：
Clarity-Driven Adaptive Mission Planning for a Solar-Powered Autonomous Surface Vessel
查看题为 Clarity-Driven Adaptive Mission Planning for a Solar-Powered Autonomous Surface Vessel 的论文 PDF，作者为 Kavin M. Govindarajan 及另外 7 位作者
查看 PDF
HTML（实验性）
摘要：
本文提出了一套完整的方法论，并以仿真和实验结果作为支撑，用于一种自适应任务规划策略，该方法在数学上建立在信息驱动的清晰度（clarity）量最大化之上。具体而言，本工作所引入的方法论针对的是使用可持续供能的自主水面航行器（ASV）来执行科学任务，这些任务优先关注最受关注的位置。由于这些最受关注的位置并非先验已知，而是基于原位测量识别出来的，因此在线自适应对于任务规划至关重要。此外，由于依赖有限功率的可再生资源，需要一种自适应策略，在可再生能源所施加的机动性限制下最大化信息采集。我们的方法通过清晰度驱动的遍历搜索（ergodic search）来应对这些挑战，其中清晰度代表一个与微分（信息）熵严格关联的数学量。在我们的方法中，目标清晰度图（target clarity map）在线自适应，以基于原位测量反映对某些区域的优先关注，而遍历路径规划器则根据目标清晰度图和ASV速度限制（由可再生推进源驱动）持续重新规划。我们以太阳能供电的ASV为对象，展示了在北卡罗来纳州Jordan Lake进行的仿真与实验，证明了所提方法的有效性。
提交历史
来自：Kavin Govindarajan [
查看邮件
[v1]
2026年10月14日周三 20:00:27 UTC（1,869 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。