学习型HJ可达性加在线认证实现应急规划

Kasidit Muenprasitivej 与 Derya Aksaray 提出一种面向未知环境的实时应急感知规划方法：用傅里叶神经算子（FNO）近似不同障碍配置下的 Hamilton-Jacobi 可达性解算子，再叠加在线安全认证。认证环节把鲁棒场景优化转化为对次水平集的多重假设检验，在给定安全水平下覆盖各候选水平并取回最大可认证体积；作者称，在该集合内，诱导的恢复策略保证系统在任意容许扰动下有限时间内回到安全区域。 数值结果显示，学习与认证流程能以实时速率更新可达-规避集，并在 youBot 仿真中演示；论文未给出实机结果。该工作为 arXiv 预印本，尚未经同行评议。

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。