世界模型

Uncovering Latent Structures in Robust Pulse Sequences: A Model-Based Reinforcement Learning Approach for Adaptable Quantum Control

揭示鲁棒脉冲序列中的潜在结构：一种基于模型的强化学习方法用于自适应量子控制

Tobias Kiermeyer, Thomas Heydenreich, Léo Van Damme, Sebastian Hohenemser, Florian Marquardt, Steffen J. Glaser

专题命中 模型式强化学习 ：model-based reinforcement learning(title,abstract)

AI总结 提出一种基于模型强化学习的鲁棒最优量子控制方法，通过将哈密顿量嵌入训练管道的神经网络，无需预计算数据即可为整个门族生成鲁棒脉冲，在单自旋系统上实现毫秒级任意旋转角脉冲，保真度媲美多种子GRAPE，并发现控制景观中的结构化相位轮廓。

Comments 14 pages, 8 figures

Learning-Based Dynamics Modeling and Robust Control for Tendon-Driven Continuum Robots

基于学习的动力学建模与鲁棒控制的腱驱动连续机器人

Ziqing Zou, Ke Qiu, Fei Wang, Haojian Lu, Rong Xiong, Yue Wang

机构 * Department of Control Science and Engineering, Zhejiang University（控制科学与工程系，浙江大学） 纠错

专题命中 模型式强化学习 ：dynamics model(title,abstract)；分类 cs.RO

AI总结 本文提出一种可微学习框架，结合高保真动力学建模与鲁棒神经控制，通过GRU模型抑制长周期自回归预测中的误差，实验证明在腱驱动连续机器人上实现高精度跟踪和强鲁棒性。