LEARNING
通过学习的推前映射实现遍历轨迹设计：基于条件流匹配的可证明覆盖
Ehsan Aghazadeh, Masoud Malekzadeh, Ahmad Ghasemi, Hossein Pishro-Nik
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文提出了一种epushforward框架，通过离线学习的最优传输条件流匹配将简单环形域上的均匀遍历轨迹映射到目标密度分布，从而在满足能量和约束条件下实现可证明的遍历覆盖。该方法避免了在线重新优化，显著降低了计算成本。
关键词
ergodic coveragetrajectory designconditional flow matchingUAVoptimal transport
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018