跳到正文
arXiv · 机器人与计算机视觉· Woo-Jeong Baek, Johannes A. Gaus, Jonas Kiemel, Junheon Yoon, Suhan Park, Tamim Asfour, Jaeheung Park·· 13 天前AI 评分65

GUARD:一种用于传统与学习型机器人控制的敏感性感知不确定性归因方法

GUARD: Sensitivity-aware Uncertainty Attribution for Safe Traditional and Learning-based Robot Control

AI 导读

arXiv 论文介绍 GUARD 框架,该框架融合概率状态估计中的概率核优化技术与不确定性识别方法,为机器人控制算法推导关键阈值。系统将估计的不确定性及其来源转发给控制器以调整安全裕度并触发备份轨迹初始化。实验在模型预测控制和强化学习控制器上验证,结果显示在强化学习中碰撞率降低 44-67%,中高风险场景下备份策略激活减少 50-75%;MPC 仿真中成功避免碰撞。

来源:arXiv · 机器人与计算机视觉 · arxiv.org