提出判别式障碍函数安全对抗模仿学习
热点事件持续更新
提出判别式障碍函数安全对抗模仿学习
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
该研究将逆强化学习（IRL）的奖励函数候选空间约束为控制障碍函数（CBF），提出可从无标注专家观测中数据驱动地恢复障碍函数，实现安全在线控制与持续经验改进。恢复的障碍函数对专家数据中完全缺失的不安全状态具有鲁棒性，在仿真导航环境中安全性能优于标准 IRL 基线。研究还在仿真与真实世界避障任务中对比了基于规划与基于策略的 IRL 方法。
摘自 arXiv cs.RO
最新进展10月16日 12:00
判别式障碍函数：从观测中进行安全对抗模仿学习报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.RO判别式障碍函数：从观测中进行安全对抗模仿学习
该研究将逆强化学习（IRL）的奖励函数候选空间约束为控制障碍函数（CBF），提出可从无标注专家观测中数据驱动地恢复障碍函数，实现安全在线控制与持续经验改进。恢复的障碍函数对专家数据中完全缺失的不安全状态具有鲁棒性，在仿真导航环境中安全性能优于标准 IRL 基线。研究还在仿真与真实世界避障任务中对比了基于规划与基于策略的 IRL 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。