Enhancing Reinforcement Learning in Sensor Fusion: A Comparative Analysis of Cubature and Sampling-based Integration Methods for Rover Search Planning

要約

この研究では、2D 多角形上の被積分関数を積分するための 2 つの数値積分法 (立方体法とサンプリング ベース) の計算速度と精度を調査します。
限られたセンサー設置面積で火星の表面を探索する探査機のグループをテストベッドとして使用し、サンプリングベースのアプローチの精度を向上させるために領域が細分化されたときの相対誤差と計算時間が比較されます。
結果は、サンプリング ベースのアプローチが $100\%$ の計算パフォーマンスと一致する場合、立方体と比較して相対誤差に $14.75\%$ の偏差があることを示しています。
さらに、相対誤差を $1\%$ 未満にするには、サンプリング ベースの手法の $\mathcal{O}(N^2)$ の複雑さのため、計算に相対的な時間が $10000\%$ 増加する必要があります。
強化学習機能やその他の高反復アルゴリズムを強化するには、サンプリングベースの方法よりも立方体法が好ましいと結論付けられています。

要約(オリジナル)

This study investigates the computational speed and accuracy of two numerical integration methods, cubature and sampling-based, for integrating an integrand over a 2D polygon. Using a group of rovers searching the Martian surface with a limited sensor footprint as a test bed, the relative error and computational time are compared as the area was subdivided to improve accuracy in the sampling-based approach. The results show that the sampling-based approach exhibits a $14.75\%$ deviation in relative error compared to cubature when it matches the computational performance at $100\%$. Furthermore, achieving a relative error below $1\%$ necessitates a $10000\%$ increase in relative time to calculate due to the $\mathcal{O}(N^2)$ complexity of the sampling-based method. It is concluded that for enhancing reinforcement learning capabilities and other high iteration algorithms, the cubature method is preferred over the sampling-based method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google