研究提出滚动时域安全评判器强化学习方法

Siwei Ju等研究人员在预印本中提出一种基于滚动时域安全评判器与可微动作屏蔽的安全强化学习方法，用于前瞻性检测机器人即将发生的运动失败。 该方法通过预测状态在未来时域内是否保持非终止，并结合控制屏障函数启发的时序一致性与风险价值（CVaR）估计，构建可微安全滤波器嵌入PPO算法训练。研究人员称，在四足机器人仿真运动测试中，该方法在动作噪声、外部扰动和地形变化下减少了灾难性故障，提升了鲁棒性并保持竞争力回报。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。