机构名称：
¥ 1.0
摘要 - 我们目前RL2是一种机器人系统，用于有效，准确的UHF RFID标签。与过去的机器人RFID定位系统（主要集中在位置精度上）相比，RL2学会了如何共同优化定位的准确性和速度。为此，它引入了基于增强学习的轨迹优化网络，该网络学习了机器人安装的读取器天线的下一个最佳轨迹。我们的算法从多个RFID标签中编码孔径长度和位置置信度（使用合成驱动 - 雷达公式）到状态观测值，并使用它们来学习最佳轨迹。我们构建了RL2的端到端原型，其天线在天花板安装的2D机器人轨道上移动。我们评估了RL2，并证明了中位3D定位精度为0.55m，它与基线策略相比，它更快地定位了多个RFID标签2.13倍。我们的结果表明，基于RL的RFID本地化有可能提高跨越制造，零售和物流领域的RFID库存流程的效率。索引术语 - 增强学习，RFID本地化，机器人技术，自主定位，RF传感
RFID本地化的强化学习
主要关键词
相关文件推荐
