LEARNING📊 0 引用
LaMAR:面向多任务机器人专家系统的可扩展架构-奖励协同设计
Kewei Chen, Yayu Long, Mingsheng Shang
Expert Systems with Applications · 2026
摘要
本文提出LaMAR框架,通过协同设计架构与奖励函数,实现多任务机器人专家系统的可扩展性。该方法旨在提升机器人学习效率与泛化能力。
关键词
multi-task roboticsarchitecture-reward co-designexpert systemsscalableLaMAR
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026