跳到正文
arXiv · 机器人与计算机视觉· Mihaela-Larisa Clement, M\'onika Farsang, Johannes Edelmann, Manfred Pl\"ochl, Radu Grosu, Ezio Bartocci, Agnes Poks, Luca Marzari·· 8 天前精选AI 评分78

无需专家演示的安全近似非线性模型预测控制

Safe Approximate Nonlinear Model Predictive Control Without Expert Demonstrations

AI 导读

论文提出了 Sequential Approximate MPC (Seq-AMPC),这是一种无标签的循环框架,利用共享参数生成完整控制序列。该方法通过已知动力学直接训练策略,并引入基于安全滤波器的阶段成本依赖接受容差,以在存在神经近似误差时保持递归可行性和渐近收敛性。

推荐理由

提出无需专家演示的 Seq-AMPC 框架,在四类基准上实现接近 NMPC 的成本比与高采纳率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org