연구논문
브러시봇의 장벽 인증 학습
변화하는 동역학에서 적응 모델 학습과 장벽 인증으로 정책을 제한합니다. 초록은 쿼드로터 시뮬레이션과 실제 브러시봇 시험을 구분하고 안전 위반 후의 조건부 복구를 설명합니다.
검토 기준일 2026-11-05 · 원출처·서지정보 확인
원출처의 서지정보와 자료 개요를 확인했습니다. 원문 접근 조건과 판본은 출처에 표시되어 있습니다.
- 원문 제목
- Barrier-Certified Adaptive Reinforcement Learning With Applications to Brushbot Navigation
- 발행처
- Institute of Electrical and Electronics Engineers (IEEE)
- 저자
- Motoya Ohnishi, Li Wang, Gennaro Notomista, Magnus Egerstedt
- DOI
- 10.1109/tro.2019.2920206
- 학술지 호 발행일
- 2019-10
- 원문 언어
- en
- 원출처 국가
- US
- 판본
- IEEE TRO35(5),2019; related arXiv1801.09627v3
- 접근 조건
- 발행처 정보 및 공개 저자 원고
- 출판 상태
- 발행된 자료
자료 개요
변화하는 동역학에서 적응 모델 학습과 장벽 인증으로 정책을 제한합니다. 초록은 쿼드로터 시뮬레이션과 실제 브러시봇 시험을 구분하고 안전 위반 후의 조건부 복구를 설명합니다.
이용 및 검토
경험적 작업·제약 결과는 무상해 보장이 아닙니다. 데이터 범위, 복구 신뢰성, 감지 및 실행 한계를 적용별로 검증해야 합니다.
출처와 판본
Barrier-Certified Adaptive Reinforcement Learning With Applications to Brushbot Navigation ↗
Institute of Electrical and Electronics Engineers (IEEE) · IEEE TRO35(5),2019; related arXiv1801.09627v3
Archive abstract/authors/history reviewed; v3dated2019-08-06 explicitly links publisherDOI. Recovery after violation must not be read as prevention of every violation.