FAITH：可行性感知安全过滤RL，人形机器人安全率99.95%
热点事件持续更新
FAITH：可行性感知安全过滤RL，人形机器人安全率99.95%
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Songyuan Zhang 等提出 FAITH，一种可行性感知、无模型的安全过滤强化学习框架，用前馈网络近似最优状态-动作安全值并摊销最小干预过滤，使任务策略在过滤后的动力学上优化回报，避免任务策略更新中出现竞争性安全项；当没有动作满足学习到的安全条件时，过滤器转向预测峰值伤害最小的动作。 在 29 自由度人形机器人上，FAITH 在 Walking-Avoid 任务中达到 99.95% 安全率，同时保留未过滤回报的 97%；在 Push-Avoid 中通过学习牺牲平衡、倒向受保护区域之外取得所测最高安全率。同一策略也在真实 Unitree G1 人形机器人上得到演示。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
FAITH：面向高维系统的可行性感知安全过滤强化学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学FAITH：面向高维系统的可行性感知安全过滤强化学习方法
论文提出 FAITH，一种可行性感知、无模型的安全过滤强化学习框架，用前馈网络近似最优状态-动作安全值并摊销最小干预过滤，使任务策略在过滤后的动力学上优化回报，避免任务策略更新中出现竞争性安全项；当没有动作满足学习到的安全条件时，过滤器转向预测峰值伤害最小的动作。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月9日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。