PulseAugur
实时 10:44:33
实体 Rapidly Exploring Random Trees with Physics-Informed Neural Networks for Constrained Energy-Optimal Rendezvous Problems

Rapidly Exploring Random Trees with Physics-Informed Neural Networks for Constrained Energy-Optimal Rendezvous Problems

PulseAugur coverage of Rapidly Exploring Random Trees with Physics-Informed Neural Networks for Constrained Energy-Optimal Rendezvous Problems — every cluster mentioning Rapidly Exploring Random Trees with Physics-Informed Neural Networks for Constrained Energy-Optimal Rendezvous Problems across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_204108 ·

    AI框架为机器人探索稀疏化动态图

    研究人员开发了一种新颖的基于Transformer的框架,该框架利用近端策略优化(Proximal Policy Optimization)来稀疏化机器人探索中的动态图。该方法旨在减轻这些图的计算负担和内存占用,这些图对于基于前沿的探索和路径规划等任务至关重要。该框架在模拟中进行了测试,结果显示图的大小显著减小了高达96%,同时保持了有效和可泛化的探索能力。