연구논문
도달 가능성 계산 · 학습에 따라 안전 영역 갱신
분해, 이전 해의 재사용과 적응형 격자를 결합해 Hamilton–Jacobi 안전 영역의 갱신 계산을 줄입니다. 평가는 바람 환경의 2차원 및 10차원 호버링 근방 쿼드로터 시뮬레이션입니다.
검토 기준일 2026-11-05 · 원출처·서지정보 확인
원출처의 서지정보와 자료 개요를 확인했습니다. 원문 접근 조건과 판본은 출처에 표시되어 있습니다.
- 원문 제목
- Scalable Learning of Safety Guarantees for Autonomous Systems using Hamilton-Jacobi Reachability
- 발행처
- IEEE
- 저자
- Sylvia Herbert, Jason J. Choi, Suvansh Sanjeev, Marsalis Gibson, Koushil Sreenath, Claire J. Tomlin
- DOI
- 10.1109/icra48506.2021.9561561
- 발행일
- 2021-05-30
- 원문 언어
- en
- 판본
- 2021 IEEE International Conference on Robotics and Automation (ICRA); 2021; DOI 10.1109/icra48506.2021.9561561
- 접근 조건
- 발행처 정보 및 공개 저자 원고
- 출판 상태
- 발행된 자료
관련 자료와 기술 해설
자료 개요
분해, 이전 해의 재사용과 적응형 격자를 결합해 Hamilton–Jacobi 안전 영역의 갱신 계산을 줄입니다. 평가는 바람 환경의 2차원 및 10차원 호버링 근방 쿼드로터 시뮬레이션입니다.
이용 및 검토
아카이브 초록과 출판 서지정보를 확인했습니다. 계산 속도와 안전 영역은 모델 분해 및 외란 가정에 의존하며 실제 비행이나 임의의 고차원 로봇 성능으로 일반화할 수 없습니다.
출처와 판본
Scalable Learning of Safety Guarantees for Autonomous Systems using Hamilton-Jacobi Reachability ↗
IEEE · 2021 IEEE International Conference on Robotics and Automation (ICRA); 2021; DOI 10.1109/icra48506.2021.9561561
ICRA 2021 bibliography; author archive abstract https://arxiv.org/abs/2101.05916v2. Registered proceedings date retained.