研究人员开发了一种新的Hamilton-Jacobi (HJ) 可达性问题求解方法STEER2REACH (S2R)。该方法利用了物理信息神经网络 (PINNs)，并解决了限制HJ可达性实际应用的计算复杂性问题。S2R采用自适应采样分布，通过最优控制和扰动信号以及随机噪声来引导前向轨迹，从而在对标准PINNs训练进行最小修改的情况下学习精确的安全价值函数。 AI
影响 这种新方法简化了复杂控制问题的求解过程，有可能在机器人和自主系统中更广泛地采用安全控制系统。
排序理由 该条目描述了一种使用神经网络解决特定类型数学问题（Hamilton-Jacobi可达性分析）的新方法，这是一项研究贡献。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Hamilton-Jacobi Theory and Superintegrable Systems
- Isaacs
- model predictive control
- physics-informed neural networks
- STEER2REACH
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
