PulseAugur
中
实时 19:41:41
实体 Reachability Analysis-Informed Reinforcement Learning

Reachability Analysis-Informed Reinforcement Learning

PulseAugur coverage of Reachability Analysis-Informed Reinforcement Learning — every cluster mentioning Reachability Analysis-Informed Reinforcement Learning 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_277331 ·

    新的强化学习方法优化星际转移

    研究人员开发了一种名为可达性分析感知强化学习（RARL）的新方法来设计星际航天器轨迹。该方法将强化学习与可达性图相结合，以选择中间航点，然后指导经典的轨道力学技术进行机动规划。在地球-火星基准测试中，RARL 实现的平均机动成本接近顺序凸规划，并在各种出发条件下展示了显著的策略重用性，独立训练的策略成功完成了所有测试出发任务，且未违反脉冲约束。