研究论文
更安全的任务学习 · 记住不可恢复错误的原因
学习器分析死胡同状态原因，以避免重复破坏物体等动作；找不到安全替代方案时向教师询问，并以机器人任务和规划基准评估。
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
- Safe robot execution in model-based reinforcement learning
- 发布机构
- IEEE
- 作者
- David Martinez, Guillem Alenya, Carme Torras
- DOI
- 10.1109/iros.2015.7354295
- 发布日期
- 2015-09
- 原文语言
- en
- 版本
- 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2015-09; DOI 10.1109/iros.2015.7354295
- 访问条件
- 发布方信息与开放作者稿
- 出版状态
- 已发布
相关资料与工程解读
资料概述
学习器分析死胡同状态原因，以避免重复破坏物体等动作；找不到安全替代方案时向教师询问，并以机器人任务和规划基准评估。
使用与审查
已核查机构摘要与书目信息。任务层错误规避需与物理接触和伤害安全分开评估。
来源与版本
Safe robot execution in model-based reinforcement learning ↗
IEEE · 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS); 2015-09; DOI 10.1109/iros.2015.7354295
IROS2015 author abstract https://www.iri.upc.edu/publications/show/1671; robot task and planning benchmark are distinct evaluations.