Contraction-Aware Reinforcement Learning for Nonlinear Control with Statistical Robustness
面向非线性控制的收缩感知强化学习：具备统计鲁棒性
机构 * The Grainger College of Engineering University of Illinois Urbana-Champaign, US（格拉inger工程学院伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究针对非线性路径跟踪问题中控制收缩度量（CCM）策略的长期最优性与鲁棒性缺陷，提出收缩感知强化学习（CARL）算法，将CCM与RL结合，经模拟和真实机器人实验验证其性能与鲁棒性。
Comments Accepted at IEEE Transactions on Robotics
