研究论文
DADEE：CBF控制中的不确定性估计
DADEE结合模型方差与直接误差估计，改善训练分布内外的不确定性估计，并用仿真机器人失效情况比较CBF控制器。该证据涉及校准和仿真表现，仍需硬件及分布变化验证。
核查日期 2026-11-05 · 已核查来源与书目信息
书目信息与编辑概述已对照原始来源核查。访问条件与版本见来源说明。
- 原文标题
- DADEE: Well-calibrated uncertainty quantification in neural networks for barriers-based robot safety
- 发布机构
- arXiv
- 作者
- Ataei, Masoud, Dhiman, Vikas
- DOI
- 10.48550/arxiv.2407.00616
- 首次存档日期
- 2024-06-30
- 原文语言
- en
- 原始来源国家
- US
- 版本
- v1
- 访问条件
- 开放存档书目信息及稿件
- 出版状态
- 预印本
相关资料与工程解读
资料概述
DADEE结合模型方差与直接误差估计，改善训练分布内外的不确定性估计，并用仿真机器人失效情况比较CBF控制器。该证据涉及校准和仿真表现，仍需硬件及分布变化验证。
使用与审查
依据原始存档摘要和书目信息独立撰写。专业技术及母语审校仍待完成。所述方法不能证明部署后的安全功能或已达到的PL。
来源与版本
DADEE: Well-calibrated uncertainty quantification in neural networks for barriers-based robot safety ↗
arXiv · v1
arXiv abstract, authors, submission history and DOI links; first posting 2024-06-30, abstract reviewed in v1. Publisher dates are separate.