arXivDaily arXiv每日学术速递 周一至周五更新

视觉与机器人

世界模型

面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。

2026-04-22 至 2026-04-22 共收录 1 信号源:cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 模型式强化学习 1 篇

2604.18887 2026-04-22 cs.RO cs.SY eess.SY 68%

HALO: Hybrid Auto-encoded Locomotion with Learned Latent Dynamics, Poincaré Maps, and Regions of Attraction

HALO:混合自动编码 locomotion 与学习的潜在动态、庞加莱映射和吸引区域

Blake Werner, Sergio A. Esteban, Massimiliano De Sa, Max H. Cohen, Aaron D. Ames

机构 * Caltech(加州理工学院) NC State University(北卡罗来纳州立大学)

专题命中 模型式强化学习 :latent dynamics(title);分类 cs.RO

AI总结 HALO通过从轨迹数据中学习低维潜在线性模型,结合庞加莱映射和吸引区域分析,提升混合动力系统稳定性与安全性。

Comments 20 pages, 8 figures

详情

展开后加载摘要…

URL PDF HTML 收藏