新研究：校准不确定性改进水域路径规划

Samuel Yanes Luis 等作者提交的论文预印本（v2）提出，用校准良好的 Deep Ensemble 替换高斯过程作为信息路径规划的不确定性来源，在石油泄漏模拟场景中将归一化重建误差降低 83%。 研究称，校准后的不确定性放大了不同规划策略之间的差异：多步前瞻规划器比贪心选择的重建误差最多低 32%，IoU 超过 0.85；推荐的 Monte Carlo Tree Search 在重建质量上与 Orienteering 相当，计算成本低一个数量级。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。