谱方法与共形方法结合，为轨迹预测提供覆盖保证

Jasmine Ratchford 与 Raffaele Romagnoli 在 Transactions on Machine Learning Research 发表研究，提出一种面向自主系统轨迹可行性评估的框架：用带谱骨干的神经网络学习轨迹与分位数带，并内置初始条件与稳定性约束；再用改进的共形分位数回归提供校准的轨迹级联合覆盖，并通过区间算术把无噪声覆盖保证扩展到控制点。 作者称，将网络重构用于推理后，在 Raspberry Pi Zero 2 W 上、闭环线性二次调节器下，四旋翼的轨迹推理时间为 3.45 ms，包含轨迹推理的完整流程耗时 9.81 ms，约 100 Hz。这些数字是作者在特定硬件与控制条件下报告的结果，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。