PulseAugur
中
实时 07:23:28
English(EN) End-to-End Learning of Safe Optimal Feedback Control in High Dimensions with Control Barrier Function Layers

新方法实现安全、高维AI控制训练

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的方法，用于训练符合严格安全约束的高维反馈控制器。该方法将基于二次规划的安全滤波器嵌入训练过程，克服了先前将此类方法限制在低维系统上的局限性。通过结合算子分裂和无雅可比反向传播，该技术能够实现可扩展的端到端训练，同时保持安全保证，并在状态维度高达1200、控制维度高达400的复杂多智能体控制问题上得到了验证。 AI

影响 这项研究可能在更高维的环境中实现更复杂、更安全的AI控制系统。

排序理由 详细介绍AI控制系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法实现安全、高维AI控制训练

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xingjian Li, Kelvin Kan, Deepanshu Verma, Krishna Kumar, Stanley Osher, Samy Wu Fung ·

    高维安全最优反馈控制的端到端学习与控制屏障函数层

    arXiv:2607.20674v1 Announce Type: new Abstract: We consider the problem of learning high-dimensional semi-global feedback controllers under hard safety constraints enforced by control barrier functions (CBFs). Incorporating CBFs into end-to-end policy training requires embedding …

相关实体

相关话题