条件化HJ可达性学习提升安全滤波可靠性
Reliable Conditioned Hamilton-Jacobi Reachability via Subsolution Learning on Exact Local Windows
AI 摘要
Seunghwan Jang与Wei Xiao提出条件化Hamilton-Jacobi可达性模型,通过限制障碍物影响裕度使值函数具有可证明的局部性,将近似误差约束在保守一侧,减少罕见障碍配置下的假安全状态,使部署机器人无需在障碍变化后重新求解即可获得安全滤波。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。