LEARNING
置信门控机器人自主性：不确定性何时真正有用？
Johannes A. Gaus, Jhon P. F. Charaja, Daniel Haeufle
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文研究了机器人系统中预测不确定性在门控自主决策中的作用，发现当基础模型达到一定能力水平后，简单的不确定性代理（如softmax启发式）与复杂方法产生相似的决策行为，而阈值选择的影响更大。实验表明，不确定性排名质量在时间协变量偏移下保持稳定，但细粒度语义异常检测仍接近随机水平。
关键词
uncertainty estimationselective autonomygating policyrobustnesstemporal shift
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018