跳到正文
热点事件观察中

提出可学习的可达性安全表示

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Bojan Derajić提出一种面向未知动态环境机器人导航的可学习可达性安全表示，并将其用于模型预测控制（MPC）终端约束和控制屏障函数（CBF）安全过滤器；地面与空中机器人实验显示，该方法的碰撞规避表现优于几何和手工设计基线，最多可处理13个状态。 该方法离线学习Hamilton–Jacobi（HJ）可达性解的神经隐式表示，使优化控制器能够实时获取安全信息，适用于静态环境和存在移动障碍物的场景。

AI 根据报道生成 · 18 小时前更新

最新进展10月21日 12:00
面向未知动态环境实时机器人导航的基于可达性的安全表示学习

报道时间线

沿着报道，了解事件的不同侧面。

10月21日
  1. arXiv · Machine Learning
    面向未知动态环境实时机器人导航的基于可达性的安全表示学习

    该研究离线学习 Hamilton–Jacobi（HJ）可达性解的神经隐式表示，为优化控制器提供实时安全信息。表示被用于模型预测控制（MPC）的终端约束和控制屏障函数（CBF）安全过滤器，覆盖静态环境与移动障碍物。地面和空中机器人实验显示其碰撞规避优于几何及手工设计基线，改进方法可处理最多 13 个状态。

本事件热度走势

可比范围当前
5
可比范围峰值
810月21日 21:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。