研究论文
OptLayer · 将机器人动作投影到约束内
优化层把神经策略提出的动作修改为满足选定约束的邻近动作；摘要报告仿真及实体机器人伸达任务。
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
- OptLayer - Practical Constrained Optimization for Deep Reinforcement Learning in the Real World
- 发布机构
- IEEE
- 作者
- Tu-Hoa Pham, Giovanni De Magistris, Ryuki Tachibana
- DOI
- 10.1109/icra.2018.8460547
- 会议日期
- 2018-05
- 原文语言
- en
- 版本
- 2018 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
优化层把神经策略提出的动作修改为满足选定约束的邻近动作；摘要报告仿真及实体机器人伸达任务。
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
OptLayer - Practical Constrained Optimization for Deep Reinforcement Learning in the Real World ↗
IEEE · 2018 IEEE International Conference on Robotics and Automation (ICRA)
Archivev2abstract/authors/history checked; IBMprimaryauthorpublicationpage separately identifies ICRA2018work, with repositorydate2018-09-10. Publisher-formatted manuscript was not compared.