.png){kind=icon}
返回
Safe Adversarial Control Through Interaction
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-02018-5_41.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
导航安全中的一个显著问题是管理与人体的交互。特别是在高度共处的环境中，在导航受限空间时防止碰撞、同时缓解路径偏差和速度降低仍然具有挑战性。通过与人协调并主动通过沟通意图塑造交互，机器人可以增加其通过瓶颈的机动空间。人机交互高度依赖于机器学习（ML）来与人交互。由于ML功能难以认证，以往关于鲁棒架构的研究已将安全与效用问题划分为独立子系统，从而将效用特定子系统从安全关键路径中移除。然而，传统的安全边界（Safety Envelopes）过度约束这些子系统，显著降低了ML功能带来的灵活性和性能提升。为此，基于我们以往的工作，提出了一种架构，其中效用特定子系统通过强化学习来塑造与人的交互，以根据其反馈主动规避安全系统的干预。通过早期与人的协调主动塑造交互，效用驱动子系统运行的时间尺度和受限状态空间得到了有效扩展。为评估所提出架构的潜力，进行了一项初步的仿真实验。
Keyword:
Safety
Resilience Architecture
HRI
RL
期刊
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
Towards integrating undependable self-adaptive systems in safety-critical environments面向在安全关键环境中集成不可靠的自适应系统
PREAI
分享收藏
查看更多内容