arXiv · 机器人与计算机视觉· Riccardo Curcio, Hongpeng Cao, Marco Caccamo·· 2026-10-05AI 评分72
基于统计验证的安全鲁棒神经策略学习:面向机器人 Sim-to-Real 部署
Safe and Robust Neural Policy Learning with Statistical Verification for Sim-to-Real Deployment in Robotics
AI 导读
针对机器人仿真到现实部署中缺乏明确操作区安全性保证且无法修正控制器的挑战,本文提出一种课程驱动的闭环框架,将场景驱动进化策略与基于统计模型检测的验证紧密集成。该方法从候选区域出发,在优化策略性能的同时逐步扩大安全操作边界,最终输出神经控制器及其经统计验证的安全与性能区域。
来源:arXiv · 机器人与计算机视觉 · arxiv.org