无梯度神经HJ可达性框架提出
热点事件持续更新
无梯度神经HJ可达性框架提出
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Zeyuan Feng 等作者提出一种离散时间神经可达性框架，面向控制-扰动仿射系统，通过 Bellman-Isaacs 值传播学习后向可达管（BRT）与后向可达规避管（BRAT），并用无梯度值探测构造近似教师动作，把对抗式 actor 学习转为监督策略学习。 作者称，在最高 80 维的基准问题上，该方法能学到准确的可达性值函数，且稳定性优于现有基于学习的求解器；在 F1-tenth 竞速中，以超过 16,000 维的自中心输入验证了观测空间的可扩展性。作者还称，学得的安全过滤器能零样本泛化到未见赛道，并迁移到实体遥控车，实现实时鲁棒避障。上述效果均为作者报告。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
无梯度神经Hamilton-Jacobi可达性分析用于可扩展安全关键控制报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.RO无梯度神经Hamilton-Jacobi可达性分析用于可扩展安全关键控制
作者提出一种离散时间神经可达性框架，通过Bellman-Isaacs值传播学习后向可达管（BRT）与后向可达规避管（BRAT），并用无梯度值探测构造近似教师动作，把对抗式actor学习转为监督策略学习。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
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。