Buchumschlag

Shielded Deep Reinforcement Learning for Complex Spacecraft Tasking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Reed, Robert, Schaub, Hanspeter, Lahijanian, Morteza
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning-Based Shielding for Safe Autonomy under Unknown Dynamics
von: Reed, Robert, et al.
Veröffentlicht: (2024)

Promises of Deep Kernel Learning for Control Synthesis
von: Reed, Robert, et al.
Veröffentlicht: (2023)

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
von: Reed, Robert, et al.
Veröffentlicht: (2024)

Verification of Unknown Dynamical Systems via Autoencoder Latent Space
von: Reed, Robert, et al.
Veröffentlicht: (2025)

Learning Markov Processes as Sum-of-Square Forms for Analytical Belief Propagation
von: Amorese, Peter, et al.
Veröffentlicht: (2026)

Universal Learning of Stochastic Dynamics for Exact Belief Propagation using Bernstein Normalizing Flows
von: Amorese, Peter, et al.
Veröffentlicht: (2025)

The Physics-Informed Neural Network Gravity Model: Generation III
von: Martin, John, et al.
Veröffentlicht: (2023)

Verification-Guided Shielding for Deep Reinforcement Learning
von: Corsi, Davide, et al.
Veröffentlicht: (2024)

Finite Neural Networks as Mixtures of Gaussian Processes: From Provable Error Bounds to Prior Selection
von: Adams, Steven, et al.
Veröffentlicht: (2024)

Optimizing Multi-Task Learning for Accurate Spacecraft Pose Estimation
von: Evangelisti, Francesco, et al.
Veröffentlicht: (2024)

Curriculum Reinforcement Learning for Complex Reward Functions
von: Freitag, Kilian, et al.
Veröffentlicht: (2024)

A Comparison of Deep Learning Architectures for Spacecraft Anomaly Detection
von: Lakey, Daniel, et al.
Veröffentlicht: (2024)

Decoupling Task and Behavior: A Two-Stage Reward Curriculum in Reinforcement Learning for Robotics
von: Freitag, Kilian, et al.
Veröffentlicht: (2026)

Multi-Phase Spacecraft Trajectory Optimization via Transformer-Based Reinforcement Learning
von: Jain, Amit, et al.
Veröffentlicht: (2025)

Probabilistic Shielding for Safe Reinforcement Learning
von: Court, Edwin Hamel-De le, et al.
Veröffentlicht: (2025)

Joint-Task Regularization for Partially Labeled Multi-Task Learning
von: Nishi, Kento, et al.
Veröffentlicht: (2024)

Sharing Knowledge in Multi-Task Deep Reinforcement Learning
von: D'Eramo, Carlo, et al.
Veröffentlicht: (2024)

Realizable Continuous-Space Shields for Safe Reinforcement Learning
von: Kim, Kyungmin, et al.
Veröffentlicht: (2024)

Image-Based Deep Reinforcement Learning with Intrinsically Motivated Stimuli: On the Execution of Complex Robotic Tasks
von: Valencia, David, et al.
Veröffentlicht: (2024)

Continual Deep Reinforcement Learning with Task-Agnostic Policy Distillation
von: Hafez, Muhammad Burhan, et al.
Veröffentlicht: (2024)

Proximal Curriculum with Task Correlations for Deep Reinforcement Learning
von: Tzannetos, Georgios, et al.
Veröffentlicht: (2024)

Boosting Hierarchical Reinforcement Learning with Meta-Learning for Complex Task Adaptation
von: Khajooeinejad, Arash, et al.
Veröffentlicht: (2024)

Tactical Decision Making for Autonomous Trucks by Deep Reinforcement Learning with Total Cost of Operation Based Reward
von: Pathare, Deepthi, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Haptic Shared Control in Unknown Tasks
von: Fernandez, Franklin Cardeñoso, et al.
Veröffentlicht: (2021)

Safety through Permissibility: Shield Construction for Fast and Safe Reinforcement Learning
von: Politowicz, Alexander, et al.
Veröffentlicht: (2024)

Deep Learning-Based Anomaly Detection in Spacecraft Telemetry on Edge Devices
von: Goetze, Christopher, et al.
Veröffentlicht: (2026)

Robust Probabilistic Shielding for Safe Offline Reinforcement Learning
von: Galesloot, Maris F. L., et al.
Veröffentlicht: (2026)

Learning From Simplicial Data Based on Random Walks and 1D Convolutions
von: Frantzen, Florian, et al.
Veröffentlicht: (2024)

Shielded Reinforcement Learning Under Dynamic Temporal Logic Constraints
von: Yüksel, Sadık Bera, et al.
Veröffentlicht: (2026)

Robust Shielding for Safe Reinforcement Learning
von: Court, Edwin Hamel-De le, et al.
Veröffentlicht: (2026)

A Role of Environmental Complexity on Representation Learning in Deep Reinforcement Learning Agents
von: Liu, Andrew, et al.
Veröffentlicht: (2024)

Investigating the Impact of Observation Space Design Choices On Training Reinforcement Learning Solutions for Spacecraft Problems
von: Hamilton, Nathaniel, et al.
Veröffentlicht: (2025)

Quantum Deep Reinforcement Learning for Robot Navigation Tasks
von: Hohenfeld, Hans, et al.
Veröffentlicht: (2022)

Transfer of Reinforcement Learning-Based Controllers from Model- to Hardware-in-the-Loop
von: Picerno, Mario, et al.
Veröffentlicht: (2023)

Error Bounds for Physics-Informed Neural Networks in Fokker-Planck PDEs
von: Kong, Chun-Wei, et al.
Veröffentlicht: (2024)

Global Ground Metric Learning with Applications to scRNA data
von: Kühn, Damin, et al.
Veröffentlicht: (2025)

Data-Driven Permissible Safe Control with Barrier Certificates
von: Mazouz, Rayan, et al.
Veröffentlicht: (2024)

An Extended Benchmarking of Multi-Agent Reinforcement Learning Algorithms in Complex Fully Cooperative Tasks
von: Papadopoulos, George, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning with Task-Adaptive Retrieval via Hypernetwork
von: Jin, Yonggang, et al.
Veröffentlicht: (2023)

Dynamic Model Predictive Shielding for Provably Safe Reinforcement Learning
von: Banerjee, Arko, et al.
Veröffentlicht: (2024)