LEARNING开放获取
随机延迟下机器人遥操作的残差强化学习
Kaize Deng, Zewen Yang
2026
摘要
本文提出了一种混合控制框架,结合LSTM状态估计器和残差强化学习策略,以应对遥操作中的随机通信延迟。实验表明,该方法在Franka Panda机器人上显著优于现有基线,实现了高方差随机延迟下的鲁棒稳定遥操作。
关键词
residual reinforcement learningteleoperationstochastic delaysLSTMstate estimation
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026