跳到正文
arXiv cs.AI· Junhao Cao, Tao Wang, Zipeng Xie, Hongyi Xia, Jianian Wu, Lixia Huang·· 4 小时前AI 评分20

CoverShare:用互补路线学习柿园新梢生长期巡检

Learning Complementary Routes for Scouting Persimmon Orchards during Shoot Growth with CoverShare

AI 导读

CoverShare 在固定动作预算下学习互补巡检路线,按“去掉某策略后损失的状态覆盖”和访问该状态的策略数量重新分配辅助奖励,同时保持池化熵目标与辅助奖励总量不变。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:在研究果园中,柿树新梢生长期的巡查重点关注叶片颜色变化、叶面积和节间长度。多条路线可能共用一条通道,但每条路线都能提供其他路线所遗漏的行段视野。我们提出 CoverShare,在固定动作预算下学习互补路线。在并行状态熵最大化的策略梯度(PGPSE)框架内,CoverShare 根据省略每个策略时所损失的状态覆盖以及访问每个状态的策略数量来重新分配辅助奖励。它保留了池化熵目标和辅助奖励总量。我们模拟了一个 6.7 公顷场地的标注路网,该场地包含五个区域内 107 个可观测的柿树巡查单元。在每条路线 40 个动作的设置下,六个不同策略每次巡查平均覆盖 17.84 个单元(在八个训练随机种子上取平均),而单一策略独立运行六次仅覆盖 8.28 个单元。在相同策略以 40 个动作的路线训练后,将每条巡查路线延长至 80 和 120 个动作,覆盖率分别提升至 22.52 和 28.38 个单元。在七个公开的离散状态任务上,CoverShare 相比团队熵基线平均将状态支持度提高了 16.29%。受控消融实验表明,留一策略覆盖是这些提升的主要贡献因素。
评论: 在与 NUDT 和 NUIST 合作后,Tao Wang 和 Zipeng Xie 大幅推进了农业应用。Lixia Huang 争取到了额外经费。Xiaopeng Yi 和 Ping Guo 因教学任务繁重而退出。所有作者(包括新增和移除的作者)均同意修订后的作者名单和顺序,Lixia Huang 为通讯作者
主题: 机器学习(cs.LG);人工智能(cs.AI)
引用为: arXiv:2608.27507 [cs.LG]
  (或 arXiv:2608.27507v2 [cs.LG] 为本版本)
  https://doi.org/10.48550/arXiv.2608.27507

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Junhao Cao [查看邮箱]
[v1] 2026年8月27日 星期四 06:24:03 UTC(2,044 KB)
[v2] 2026年11月17日 星期二 17:20:21 UTC(9,476 KB)

来源:arXiv cs.AI · arxiv.org