新的STEER2REACH方法改进了Hamilton-Jacobi可达性分析

研究人员开发了STEER2REACH (S2R)，一种用于求解Hamilton-Jacobi (HJ) 可达性问题的新方法。该方法利用物理信息神经网络 (PINNs) 和一种自适应采样分布，该分布根据当前值函数和注入的噪声来引导前向轨迹。S2R旨在提高HJ可达性分析的准确性并降低其计算复杂度，这对于动态系统的安全控制至关重要。与最先进的、由模型预测控制 (MPC) 引导的求解器相比，该方法表现出具有竞争力的性能，在没有复杂的多阶段训练的情况下实现了更低的误差。 AI

影响 这项研究可能导致对动态系统进行更有效、更准确的安全分析，从而可能影响机器人和自主控制领域。

排序理由 详细介绍解决特定计算问题的新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Hugging Face
• model predictive control
• physics-informed neural networks
• STEER2REACH

• 论文
• 基础设施

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