arXiv · cs.AI· Samuel Yanes Luis, Alejandro Casado P\'erez, Alejandro Mendoza Barrionuevo, Dame Seck Diop, Sergio Toral Mar\'in, Daniel Guti\'errez Reina·· 2 天前
深度集成不确定性提升水环境监测路径规划效果
Calibrated Uncertainty for Informative Path Planning in Aquatic Environmental Monitoring
arXiv:2609.34577v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Samuel Yanes Luis, Alejandro Casado P\'erez, Alejandro Mendoza Barrionuevo, Dame Seck Diop, Sergio Toral Mar\'in, Daniel Guti\'errez Reina
研究任务与主要进展
研究将深度集成模型引入基于不确定性的水环境监测路径规划，在留出的随机油污泄漏模拟场景中，相比高斯过程基线将归一化重建误差降低83%。不确定性校准改善后，多步前瞻规划器相较贪心策略最高可将重建误差降低32%，IoU超过0.85；蒙特卡洛树搜索的重建质量与路径规划相当，但计算成本低一个数量级。上述结果基于论文摘要所述的物理油污泄漏模拟实验。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org