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.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
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。
-
新型AI蜜罐“Chameleon”利用LLM适应威胁
研究人员开发了Chameleon，一种自适应的AI驱动蜜罐架构，旨在克服传统蜜罐的局限性。该新平台集成了用于威胁检测的BiLSTM分类器、用于上下文生成的Qwen3.5-0.8B语言模型以及两个元启发式引擎。这些组件能够实时适应对手行为并动态演化欺骗策略，与商业替代品相比显著降低了运营成本。