站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
LIMBO：学习并内化无模型障碍目标以实现敏捷安全全身控制
LIMBO: Learning and Internalizing Model-Free Barrier Objectives for Agile and Safe Whole-Body Control
摘要显示，LIMBO 提出一种在冻结基础控制器周围、基于黑盒状态转移与失败规范学习状态-动作控制屏障函数（Q-CBF），并将其安全结构蒸馏进任务策略的框架。学习到的安全值在合成阶段引导风险导向采样，在任务学习阶段提供动作级安全反馈，从而减少部署时在线安全过滤的需求。作者在 29 自由度人形机器人上演示了躲避球与低障碍下行走任务。
意义：为高维全身控制提供可学习、可复用的安全证书，并减少部署时在线安全过滤，对安全强化学习与机器人控制有参考价值。