跳到正文
arXiv · ML· Johannes Autenrieb, Mark Spiller, Daniel Silvestre, Namhoon Cho, Jason J. Choi·· 3 天前AI 评分23

非近视安全滤波器:基于学习型干预成本-to-Go 的方法

Non-Myopic Safety Filtering with Learned Intervention Cost-to-Go

AI 导读

该论文提出一种基于学习近似最优干预成本-to-Go 的非近视安全滤波器,在碰撞避免问题中将平均累计干预努力降低了约 50%。 滤波器通过松弛 Bellman 残差约束近似成本函数,保持原有障碍条件为硬约束,可行性与传统 CBF 滤波器等效。 在 100 个未用于训练的初始条件下验证,三个独立训练的网络结果一致,且在线计算量低于预测滤波器。

来源:arXiv · ML · arxiv.org