Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.10284

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2507.10284 (cs)
[提交于 2025年7月14日 ]

标题: 提示感知的视觉覆盖路径规划强化学习

标题: Prompt Informed Reinforcement Learning for Visual Coverage Path Planning

Authors:Venkat Margapuri
摘要: 以无人飞行器(UAV)进行视觉覆盖路径规划需要代理战略性地协调UAV运动和相机控制,以最大化覆盖范围,最小化冗余,并保持电池效率。 传统的强化学习(RL)方法依赖于特定环境的奖励公式,缺乏语义适应性。 本研究提出了 提示引导强化学习(PIRL),这是一种将大型语言模型的零样本推理能力和上下文学习能力与好奇心驱动的RL相结合的新方法。 PIRL利用来自大型语言模型GPT-3.5的语义反馈,动态地调整指导代理在位置和相机调整中实现最佳视觉覆盖的近端策略优化(PPO)RL策略的奖励函数。 PIRL代理使用OpenAI Gym进行训练,并在各种环境中进行评估。 此外,通过在Webots模拟器中操作代理来测试代理的类似现实的仿真到现实的能力和零样本泛化能力,该模拟器引入了真实的物理动力学。 结果表明,PIRL优于多个基于学习的基线方法,如具有静态奖励的PPO、具有探索性权重初始化的PPO、模仿学习和仅使用LLM的控制器。 在不同的环境中,PIRL在OpenAI Gym中实现了比最佳基线高最多14%的视觉覆盖,在Webots中实现了高27%,在电池效率方面最高提高了25%,在冗余方面降低了最多18%,具体取决于环境。 结果突显了LLM引导的奖励设计在复杂空间探索任务中的有效性,并为将自然语言先验整合到机器人强化学习中提供了有前景的方向。
摘要: Visual coverage path planning with unmanned aerial vehicles (UAVs) requires agents to strategically coordinate UAV motion and camera control to maximize coverage, minimize redundancy, and maintain battery efficiency. Traditional reinforcement learning (RL) methods rely on environment-specific reward formulations that lack semantic adaptability. This study proposes Prompt-Informed Reinforcement Learning (PIRL), a novel approach that integrates the zero-shot reasoning ability and in-context learning capability of large language models with curiosity-driven RL. PIRL leverages semantic feedback from an LLM, GPT-3.5, to dynamically shape the reward function of the Proximal Policy Optimization (PPO) RL policy guiding the agent in position and camera adjustments for optimal visual coverage. The PIRL agent is trained using OpenAI Gym and evaluated in various environments. Furthermore, the sim-to-real-like ability and zero-shot generalization of the agent are tested by operating the agent in Webots simulator which introduces realistic physical dynamics. Results show that PIRL outperforms multiple learning-based baselines such as PPO with static rewards, PPO with exploratory weight initialization, imitation learning, and an LLM-only controller. Across different environments, PIRL outperforms the best-performing baseline by achieving up to 14% higher visual coverage in OpenAI Gym and 27% higher in Webots, up to 25% higher battery efficiency, and up to 18\% lower redundancy, depending on the environment. The results highlight the effectiveness of LLM-guided reward shaping in complex spatial exploration tasks and suggest a promising direction for integrating natural language priors into RL for robotics.
主题: 机器人技术 (cs.RO) ; 多智能体系统 (cs.MA)
引用方式: arXiv:2507.10284 [cs.RO]
  (或者 arXiv:2507.10284v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.10284
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Venkat Margapuri [查看电子邮件]
[v1] 星期一, 2025 年 7 月 14 日 13:51:28 UTC (2,532 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.MA

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号