LEARNING
用于安全机器人动作测试与故障恢复的干预因果回路
Naren Vasantakumaar, Tom Schierenbeck, Michael Beetz
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
该论文提出了一种基于干预因果回路的闭环框架，通过联合概率树和因果电路实现机器人动作的精确安全测试与故障恢复。该框架无需重新训练或额外数据收集，即可在多项式时间内完成所有干预查询，并自动排除超出支持范围的候选动作。
关键词
causal inferencesafe robot actionfailure recoveryinterventional testingJoint Probability Tree
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