Parallel Differentiable Reachability for Learning and Planning with Certified Neural Dynamics and Controllers
用于学习和规划的并行可微可达性：带认证的神经动力学与控制器
机构 * MIT（麻省理工学院）
专题命中 仿真与规划 ：分类 cs.AI、cs.LG、cs.RO；dynamics model(abstract)
AI总结 提出一种基于JAX的并行可微可达性框架，结合泰勒模型流形构建与CROWN线性界传播，支持GPU批处理和自动微分，并用于认证训练和可达性感知的MPC，在非抓取操作和四旋翼任务中实现在线规划与有界不确定性下的认证可达集过近似。
Comments Robotics: Science and Systems XXII (RSS 2026)
