IEEE T-RO

Deep Probabilistic Indoor Gas Source Localization via Physical Dependency-Guided Sequential Inference

基于物理依赖引导的序列推理的深度概率室内气体源定位

Seunghwan Kim, Hyungjin Kim, Junhee Lee, Hyondong Oh

机构 * Ulsan National Institute of Science and Technology (UNIST)（蔚山科学技术院） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 针对室内气体源定位难题，本文提出深度概率框架，结合物理依赖的序列推理，在模拟与真实机器人实验中均优于基线方法，可实现高效准确的在线气体源定位。

Comments 18 pages, 22 figures, 5 tables. Submitted to IEEE Transactions on Robotics

Contraction-Aware Reinforcement Learning for Nonlinear Control with Statistical Robustness

面向非线性控制的收缩感知强化学习：具备统计鲁棒性

Minjae Cho, Hiroyasu Tsukamoto, Huy T. Tran

机构 * The Grainger College of Engineering University of Illinois Urbana-Champaign, US（格拉inger工程学院伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本研究针对非线性路径跟踪问题中控制收缩度量（CCM）策略的长期最优性与鲁棒性缺陷，提出收缩感知强化学习（CARL）算法，将CCM与RL结合，经模拟和真实机器人实验验证其性能与鲁棒性。

Comments Accepted at IEEE Transactions on Robotics