L'apprendimento per rinforzo ottimizza la selezione dei sensori per il tracciamento di navi marittime

Uno studio pubblicato su arXiv (2607.22667) presenta una strategia di apprendimento per rinforzo progettata per la selezione dei sensori in reti marittime eterogenee per monitorare una singola nave. Questo metodo impiega una gestione dei sensori guidata dal guadagno informativo, dove una politica sviluppata seleziona un sensore rilevante per il tracciamento durante ogni intervallo decisionale, eliminando così la necessità di attivare tutti i sensori o di condurre valutazioni online del guadagno informativo atteso. Per stimare lo stato della nave a partire da dati rumorosi, viene utilizzato un tracciatore bayesiano sequenziale di Monte Carlo, che offre una rappresentazione della credenza adatta a scenari non lineari e non gaussiani. Un agente di ottimizzazione della politica prossimale opera all'interno di una simulazione georeferenziata del testbed CMMI Smart Marina situato presso l'Ayia Napa Marina a Cipro, valutando caratteristiche come lo stato di credenza, la cronologia delle rilevazioni, la copertura, la geometria dei sensori e il guadagno informativo realizzato, con ricompense basate sulla precisione del tracciamento.