RAYA: Learning Where and When to Intervene for Robot Recovery
L'article présente RAYA, un cadre hybride apprenant-analytique qui intègre proactivement une marge de récupérabilité apprise et un ordonnanceur de tâches adaptatif dans le contrôleur d'un robot pour permettre une récupération zero-shot des défaillances, démontrant des taux de survie supérieurs tant dans des simulations extensives que lors de vols sur matériel réel par rapport aux bases de référence existantes.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.