LEARNING
安全控制器何时能自适应？承诺前的信息
Venkatesh Saligrama
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文探讨了在安全约束下进行在线自适应控制的问题，重点分析了控制器在保持安全性的同时，如何通过信息收集来区分不同环境模型。研究发现，安全约束可能限制实验的信息量，并定义了“承诺”概念，即当某个动作排除了所有替代模型下的安全延续时，该动作即为承诺，而承诺前的信息（KL散度）决定了能否安全地做出承诺。
关键词
safe adaptive controlonline adaptationsafety guaranteecommitmentprecommitment information
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