LEARNING
全局化约束斯坦变分推理用于多样化可行机器人运动规划
Jiayun Li, Georgia Chalvatzaki
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出SteinSQP方法，将约束直接嵌入核空间SQP子问题，通过GPU友好的矩阵自由原对偶算法实现高效的批量粒子更新。该方法在有限规划预算内确保所有样本满足约束的同时，覆盖多样化的低成本运动。
关键词
Stein variational inferencemotion planningconstraint satisfactionGPU accelerationdiverse sampling
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