新框架赋能基于潜在世界模型的安全运动规划

研究人员开发了SLS^2，一个新颖的安全运动规划框架，该框架在学习到的潜在世界模型中利用鲁棒模型预测控制（MPC）。该方法训练一个具有紧凑潜在状态的动作条件世界模型，从而实现高效的轨迹优化。为了在存在预测不准确的情况下确保系统安全，该框架采用了共形预测来建立校准的潜在误差界和鲁棒约束集，然后由GPU加速的MPC方案使用。此外，还采用了一个学习到的、经过共形化的潜在约束检查器，以在闭环执行期间强制执行概率安全性，与现有方法相比，在基于视觉的控制任务中展示了改进的目标达成性能和安全性。 AI

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了一个用于安全运动规划的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• graphics processing unit
• Hugging Face
• model predictive control
• ScienceCast
• SLS^2
• Super-Level-Set Regression

• 论文
• 模型发布

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