safety-critical tasks | BriefGPT

关键词safety-critical tasks

搜索结果 - 7

离线目标驱动强化学习在安全关键任务中的应用与恢复策略
离线目标条件强化学习旨在通过来自离线数据集的稀疏奖励解决目标达成任务。我们研究了受约束离线目标条件强化学习问题，并提出了一种名为 Recovery-based Supervised Learning (RbSL) 的新方法来完成安全关键任务
PDF4 months ago
准确且可扩展的图神经网络的确知性不确定性估计
安全部署图神经网络 (GNNs) 在分布偏移下需要模型提供准确的置信指标 (CI)。然而，尽管众所周知在计算机视觉领域 CI 质量随着分布偏移而降低，但 GNN 领域对此行为的研究仍然不足。因此，我们从在受控的结构和特征分布偏移下进行的 C
PDF10 months ago
错配的两面：识别网络校准中的过度自信和不足自信预测
深度神经网络的适当置信度校准对于安全关键任务中的可靠预测至关重要。近期的研究强调了校准技术引入的置信度过高问题，并成功在各种任务上展示了其成果。然而，置信度过低问题尚未得到足够重视。本文首先引入了一种新的指标，即校准错误评分，用于识别整体和
PDFa year ago
构建安全可靠的用于安全关键任务的视觉与语言处理的人工智能系统
AI 系统在各个领域取得了令人瞩目的成绩，然而其安全性和可靠性仍然是一个重要的关注点，特别是对于安全关键任务。本论文旨在通过进一步开发当前技术来确保安全关键任务的准确模型不确定性。
PDFa year ago
无地图导航中的安全深度强化学习在线安全属性收集和优化
在实现深度强化学习 (DRL) 的真实场景中，安全至关重要。本文提出了一种名为在线属性的收集和改进 (CROP) 框架，以在训练阶段设计属性，用于识别不安全的相互作用并将其转化为安全属性，以在易受攻击的安全关键任务中使用。最终的评估结果显示
PDFa year ago
通过贝叶斯世界模型实现受限策略优化
LAMBDA 是一种基于模型的新型策略优化方法，利用贝叶斯世界模型提高强化学习的样本效率和安全性，在 Safety-Gym 基准测试中表现优异。
PDF2 years ago
自主车应用深度学习部件不确定性估计方法比较
本文研究了自主车辆在安全关键任务中使用神经网络时，面临的不可避免的误差问题，并给出了一些用于评估这种不确定性的方法和指标，比较了各种不确定性量化方法在特定 AV 任务和类型的优劣。
PDF4 years ago