跳到主要内容
检索

Universität Ulm

2 篇关联报道

订阅更新
  1. arXiv

    神经可达性分析改押保守一侧:ConDR让学到的值函数压在真值之下,闭环碰撞率最低

    神经 Hamilton–Jacobi 可达性方法 DeepReach 用神经网络代替网格求解值函数,但对残差两侧同等惩罚,学到的值可能高于真值,把不安全状态误判为安全。ConDR 改为朝 HJI 变分不等式的下解训练:障碍分支与终端条件由构造保证,微分分支用单侧损失推到安全裕度以下,并加互补项避免把所有状态都判为不安全。在 Air3D、Air6D、9 维多车与 13 维四旋翼上,ConDR 报告最低的漏判率与最低的闭环碰撞率,干预率至多小幅增加。

  2. arXiv

    TUM团队综述329篇物理嵌入机器人学习文献:71%走架构编码路线,仅4%同时组合多种嵌入方式

    这篇综述系统梳理了将物理先验嵌入机器人学习的方法,提出统一分类法,把已有工作按物理嵌入位置分为物理引导的输入/数据/表示、物理编码的模型架构、物理信息训练损失三类,并据此回顾了机器人动力学学习、轨迹规划与预测、控制与估计方法及开源软件生态,指出物理编码架构占已综述方法的71%、物理引导占16%、物理信息占13%,仅4%的工作组合了两种以上嵌入路线。

已读完全部报道