研究论文
GoSafe · 利用学习备份控制器开展探索
GoSafe通过学习可由备份控制器恢复的条件，将贝叶斯策略优化扩展至初始安全区域以外；摘要报告收敛条件及硬件实验。
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
- GoSafe: Globally Optimal Safe Robot Learning
- 发布机构
- IEEE
- 作者
- Dominik Baumann, Alonso Marco, Matteo Turchetta, Sebastian Trimpe
- DOI
- 10.1109/icra48506.2021.9560738
- 会议日期
- 2021-05-30
- 原文语言
- en
- 版本
- 2021 IEEE International Conference on Robotics and Automation (ICRA)
- 访问条件
- 发布方信息与开放作者稿
- 出版状态
- 已发布
资料概述
GoSafe通过学习可由备份控制器恢复的条件，将贝叶斯策略优化扩展至初始安全区域以外；摘要报告收敛条件及硬件实验。
使用与审查
仅审阅摘要和书目信息；保证依赖模型、不确定性和约束假设，未验证ISO13849安全功能或完整安装。
来源与版本
GoSafe: Globally Optimal Safe Robot Learning ↗
IEEE · 2021 IEEE International Conference on Robotics and Automation (ICRA)
Archivev1abstract/authors verified. IEEE indexed metadata and authorMPIrecord separately identify ICRA2021work, pages4452–4458, indexed2021-10-18; conference starts2021-05-30.