Buchumschlag

Multi-Objective-Optimization Assisted Data Collection Framework for IoUT Based on Offline Reinforcement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Yimian, Wang, Xinqi, Xu, Jingzehua, Xie, Guanwen, Liu, Weiyi, Li, Yi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

USV-AUV Collaboration Framework for Underwater Tasks under Extreme Sea Conditions
von: Xu, Jingzehua, et al.
Veröffentlicht: (2024)

ERFSL: An Efficient Reward Function Searcher via Language Models for Custom-Environment Multi-Objective Optimization (Student Abstract)
von: Xie, Guanwen, et al.
Veröffentlicht: (2026)

Make Your AUV Adaptive: An Environment-Aware Reinforcement Learning Framework For Underwater Tasks
von: Ding, Yimian, et al.
Veröffentlicht: (2025)

Language Models as Efficient Reward Function Searchers for Custom-Environment Multi-Objective Reinforcement
von: Xie, Guanwen, et al.
Veröffentlicht: (2024)

AoI-MDP: An AoI Optimized Markov Decision Process (Student Abstract)
von: Ding, Yimian, et al.
Veröffentlicht: (2026)

EFILN: The Electric Field Inversion-Localization Network for High-Precision Underwater Positioning
von: Ding, Yimian, et al.
Veröffentlicht: (2024)

Enhancing Information Freshness: An AoI Optimized Markov Decision Process
von: Xu, Jingzehua, et al.
Veröffentlicht: (2024)

Never too Cocky to Cooperate: An FIM and RL-based USV-AUV Collaborative System for Underwater Tasks in Extreme Sea Conditions
von: Xu, Jingzehua, et al.
Veröffentlicht: (2025)

When Motion Learns to Listen: Diffusion-Prior Lyapunov Actor-Critic Framework with LLM Guidance for Stable and Robust AUV Control in Underwater Tasks
von: Xu, Jingzehua, et al.
Veröffentlicht: (2025)

Never Too Rigid to Reach: Adaptive Virtual Model Control with LLM- and Lyapunov-Based Reinforcement Learning
von: Xu, Jingzehua, et al.
Veröffentlicht: (2025)

Ocean Diviner: A Diffusion-Augmented Reinforcement Learning Framework for AUV Robust Control in Underwater Tasks
von: Xu, Jingzehua, et al.
Veröffentlicht: (2025)

Underwater Embodied Intelligence for Autonomous Robots: A Constraint-Coupled Perspective on Planning, Control, and Deployment
von: Xu, Jingzehua, et al.
Veröffentlicht: (2026)

When Semantics Connect the Swarm: LLM-Driven Fuzzy Control for Cooperative Multi-Robot Underwater Coverage
von: Xu, Jingzehua, et al.
Veröffentlicht: (2025)

Is FISHER All You Need in The Multi-AUV Underwater Target Tracking Task?
von: Xie, Guanwen, et al.
Veröffentlicht: (2024)

Offline Reinforcement Learning via Inverse Optimization
von: Dimanidis, Ioannis, et al.
Veröffentlicht: (2025)

Never too Prim to Swim: An LLM-Enhanced RL-based Adaptive S-Surface Controller for AUVs under Extreme Sea Conditions
von: Xie, Guanwen, et al.
Veröffentlicht: (2025)

Offline Hierarchical Reinforcement Learning via Inverse Optimization
von: Schmidt, Carolin, et al.
Veröffentlicht: (2024)

Roadside Units Assisted Localized Automated Vehicle Maneuvering: An Offline Reinforcement Learning Approach
von: Wang, Kui, et al.
Veröffentlicht: (2024)

Data Center Cooling System Optimization Using Offline Reinforcement Learning
von: Zhan, Xianyuan, et al.
Veröffentlicht: (2025)

Joint Optimization of Multi-Objective Reinforcement Learning with Policy Gradient Based Algorithm
von: Bai, Qinbo, et al.
Veröffentlicht: (2021)

Micro-Swarm Locomotion Optimization in Dynamic Flow using Multi-Objective Multi-Agent Reinforcement Learning
von: Berman, Josef, et al.
Veröffentlicht: (2026)

Multi-Objective Operational Optimization of Energy Storage Systems in User-Side Microgrids
von: Xu, Jinzhou, et al.
Veröffentlicht: (2026)

Controllable Preference Optimization: Toward Controllable Multi-Objective Alignment
von: Guo, Yiju, et al.
Veröffentlicht: (2024)

Multi-Objective Complementary Control
von: Xu, Jiapeng, et al.
Veröffentlicht: (2023)

Safety Optimized Reinforcement Learning via Multi-Objective Policy Optimization
von: Honari, Homayoun, et al.
Veröffentlicht: (2024)

Optimization Solution Functions as Deterministic Policies for Offline Reinforcement Learning
von: Khattar, Vanshaj, et al.
Veröffentlicht: (2024)

Koopman-Based Surrogate Models for Multi-Objective Optimization of Agent-Based Systems
von: Niemann, Jan-Hendrik, et al.
Veröffentlicht: (2023)

Multi-Objective Sizing Optimization Method of Microgrid Considering Cost and Carbon Emissions
von: Zhu, Xiang, et al.
Veröffentlicht: (2024)

Consensus-Based Multi-Objective Controller Synthesis
von: Jang, Ingyu, et al.
Veröffentlicht: (2026)

Multi-Objective Control Co-design Using Graph-Based Optimization for Offshore Wind Farm Grid Integration
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

C-MORL: Multi-Objective Reinforcement Learning through Efficient Discovery of Pareto Front
von: Liu, Ruohong, et al.
Veröffentlicht: (2024)

Design And Optimization Of Multi-rendezvous Manoeuvres Based On Reinforcement Learning And Convex Optimization
von: Rivera, Antonio López, et al.
Veröffentlicht: (2024)

A Novel Multi-Objective Reinforcement Learning Algorithm for Pursuit-Evasion Game
von: Hu, Penglin, et al.
Veröffentlicht: (2025)

Offline Guarded Safe Reinforcement Learning for Medical Treatment Optimization Strategies
von: Yan, Runze, et al.
Veröffentlicht: (2025)

Research on Sectionalizing Switches Placement Problem of Distribution System Automation Based on Multi-Objective Optimization Analysis
von: Khavar, Selma Cheshmeh, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Multi-Objective Optimization: Enhancing Wind Turbine Energy Generation while Mitigating Noise Emissions
von: de Frutos, Martín, et al.
Veröffentlicht: (2024)

Semi-Contention-Free Access in IoT NOMA Networks: A Reinforcement Learning Framework
von: Kumar, Abhishek, et al.
Veröffentlicht: (2026)

Optimization-Based Exploration of the Feasible Power Flow Space for Rapid Data Collection
von: Nadal, Ignasi Ventura, et al.
Veröffentlicht: (2022)

SAGAS: Semantic-Aware Graph-Assisted Stitching for Offline Temporal Logic Planning
von: Liu, Ruijia, et al.
Veröffentlicht: (2025)

BEAVER: Building Environments with Assessable Variation for Evaluating Multi-Objective Reinforcement Learning
von: Liu, Ruohong, et al.
Veröffentlicht: (2025)