研究论文
安全约束贝叶斯优化 · 调整机器人参数
该方法将性能目标与多项安全约束分开，从初始安全参数集合出发探索，并基于高斯过程假设和上下文变量进行受约束调参，以四旋翼试验示例说明。
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
- Bayesian optimization with safety constraints: safe and automatic parameter tuning in robotics
- 发布机构
- Springer Science and Business Media LLC
- 作者
- Felix Berkenkamp, Andreas Krause, Angela P. Schoellig
- DOI
- 10.1007/s10994-021-06019-1
- 首次在线发表日期
- 2021-06-24
- 原文语言
- en
- 版本
- Machine Learning; 2021; DOI 10.1007/s10994-021-06019-1
- 访问条件
- 发布方摘要 · 全文访问受限
- 出版状态
- 已发布
相关资料与工程解读
资料概述
该方法将性能目标与多项安全约束分开，从初始安全参数集合出发探索，并基于高斯过程假设和上下文变量进行受约束调参，以四旋翼试验示例说明。
使用与审查
已核查出版方原始英文摘要与书目信息。高概率约束满足依赖初始安全集合及函数正则性假设。所列日期为首次在线发表日期，与 2023 年卷期日期不同。
来源与版本
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.