연구논문
안전 제약 Bayesian optimization · 로봇 파라미터 조정
성능 목적 함수와 여러 안전 제약을 분리하고 초기 안전 파라미터 집합에서 시작해 탐색합니다. Gaussian process 가정과 맥락 변수를 이용한 안전 탐색을 쿼드로터 파라미터 조정 실험으로 설명합니다.
검토 기준일 2026-11-05 · 원출처·서지정보 확인
원출처의 서지정보와 자료 개요를 확인했습니다. 원문 접근 조건과 판본은 출처에 표시되어 있습니다.
- 원문 제목
- Bayesian optimization with safety constraints: safe and automatic parameter tuning in robotics
- 발행처
- Springer Science and Business Media LLC
- 저자
- Felix Berkenkamp, Andreas Krause, Angela P. Schoellig
- DOI
- 10.1007/s10994-021-06019-1
- 최초 온라인 발행일
- 2021-06-24
- 원문 언어
- en
- 판본
- Machine Learning; 2021; DOI 10.1007/s10994-021-06019-1
- 접근 조건
- 발행처 초록 · 전문 접근 제한
- 출판 상태
- 발행된 자료
관련 자료와 기술 해설
자료 개요
성능 목적 함수와 여러 안전 제약을 분리하고 초기 안전 파라미터 집합에서 시작해 탐색합니다. Gaussian process 가정과 맥락 변수를 이용한 안전 탐색을 쿼드로터 파라미터 조정 실험으로 설명합니다.
이용 및 검토
발행처의 영문 초록과 서지정보를 확인했습니다. 높은 확률의 제약 준수는 초기 안전 집합과 함수 규칙성 가정에 의존하며 날짜는 2023년 호수 발행일과 구분한 최초 온라인 발행일입니다.
출처와 판본
Bayesian optimization with safety constraints: safe and automatic parameter tuning in robotics ↗
Springer Science and Business Media LLC · Machine Learning; 2021; DOI 10.1007/s10994-021-06019-1
Machine Learning original publisher abstract and publication metadata, https://link.springer.com/article/10.1007/s10994-021-06019-1; first online publication 2021-06-24, later issue date 2023-10.