研究论文
机器人安全学习 · 控制与强化学习综述
综述连接模型不确定性、学习控制、强化学习与学习策略的安全核查方法，可用于梳理机器人学习控制所依赖的假设和证据。
核查日期 2026-11-04 · 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 Learning in Robotics: From Learning-Based Control to Safe Reinforcement Learning
- 发布机构
- arXiv
- 作者
- Lukas Brunke, Melissa Greeff, Adam W. Hall, Zhaocong Yuan, Siqi Zhou, Jacopo Panerati, Angela P. Schoellig
- DOI
- 10.48550/arXiv.2108.06266
- 发布日期
- 2021-08-13
- 原文语言
- en
- 原始来源国家
- US
- 版本
- arXiv:2108.06266v2
- 访问条件
- open_archive_metadata_and_manuscript
- 出版状态
- 预印本
资料概述
综述连接模型不确定性、学习控制、强化学习与学习策略的安全核查方法，可用于梳理机器人学习控制所依赖的假设和证据。
使用与审查
本记录介绍 arXiv 稿件，所示日期为首次存档日期。将相关方法用于机器人安全功能前，需要评估具体应用的条件与证据。
来源与版本
Safe Learning in Robotics: From Learning-Based Control to Safe Reinforcement Learning ↗
arXiv · arXiv:2108.06266v2
arXiv abstract, author metadata and submission history. First posted 2021-08-13; v2 dated 2021-12-06.