研究论文
AC-SMPC · 包含导航状态约束的学习控制
该方法结合演员–评论家学习与包含显式导航约束的模型预测控制。避碰建模采用局部近似和带惩罚的松弛变量，因此约束可行性与剩余风险是审查重点。
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
- AC-SMPC: Differentiable Actor--Critic MPC with State Constraints for Safe and Fast Robot Navigation
- 发布机构
- arXiv
- 作者
- Wu, Chaoran, Fan, Jiayu, Tan, Qichen, Liu, Yuyi, Wang, Jin
- 首次存档日期
- 2026-10-30
- 原文语言
- en
- 原始来源国家
- US
- 版本
- arXiv:2610.41477v1
- 访问条件
- 开放存档书目信息及稿件
- 出版状态
- 预印本
相关资料与工程解读
资料概述
该方法结合演员–评论家学习与包含显式导航约束的模型预测控制。避碰建模采用局部近似和带惩罚的松弛变量，因此约束可行性与剩余风险是审查重点。
使用与审查
来源核查范围为存档摘要与书目信息。报告结果依赖所述模型和试验条件，仍需具体应用的安全验证。日期为首次存档日期。
来源与版本
AC-SMPC: Differentiable Actor--Critic MPC with State Constraints for Safe and Fast Robot Navigation ↗
arXiv · arXiv:2610.41477v1
arXiv abstract, citation metadata and v1 submission history. First archive posting: 2026-10-30.