arXiv · 机器人与计算机视觉· Zeyuan Feng, Ali Fuat Sahin, Santiago Thorup, Somil Bansal·· 22 天前AI 评分74
无梯度神经哈密顿 - 雅可比可达性:面向可扩展安全关键控制的框架
Gradient-Free Neural Hamilton-Jacobi Reachability for Scalable Safety-Critical Control
AI 导读
针对高维非线性系统的安全证书合成难题,本文提出一种离散时间神经可达性框架,利用贝尔曼 - 伊萨科斯值传播学习向后可达管与避障管。方法结合方程驱动的自监督与结构化策略学习,通过无梯度值探测构造近似教师动作,将对抗优化转化为监督学习,并利用窗口化时序课程稳定长视界价值传播。
来源:arXiv · 机器人与计算机视觉 · arxiv.org