LEARNING开放获取
基于熵最大化的流形采样
Cornelius V. Braun, Tilman Burghoff, Marc Toussaint
2026
摘要
本文提出了一种名为MASEM的方法,用于在具有未知数量不连通分量的流形上进行高效采样。该方法通过重采样方案最大化经验分布的熵,并在平均场理论下证明其指数级收敛到最大熵目标。
关键词
constrained samplingentropy maximizationmanifold samplingdisconnected componentsrobotics
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