arXiv cs.AI· Hongzhan Yu, Chenghao Li, Ruipeng Zhang, Henrik Christensen, Sicun Gao·· 10 天前AI 评分22
面向潜在动力学模型的敏感度塑形：提升 OOD 检测与闭环规划安全性
Sensitivity Shaping for Latent Modeling
AI 导读
研究提出 support-conditioned control-sensitivity regularization，通过在被充分支持训练区域增强局部响应性，保留控制变化引起的潜在状态变化，解决学习动力学对控制不敏感、将无支持控制映射为类似已演示转移的潜在预测、从而抑制 OOD 信号的问题。
正文 · AI 翻译
摘要：生成式动力学模型能够在具有挑战性的系统中实现规划，但安全部署需要检测策略引发的不分布（OOD）转移。现有方法通常将学习到的动力学视为固定不变，并依赖事后支持代理进行 OOD 检测。这忽略了一个关键失效模式：对控制变化不敏感的学习动力学可能将不受支持的控制映射为类似已演示转移的潜在预测，从而在预测误差很大的情况下仍抑制 OOD 信号。我们引入支持条件控制敏感性正则化，通过促进良好支持训练区域中的局部响应性来保留控制引发的变化。在基于视觉的避障、操作和真实机器人导航中的实验表明，OOD 检测得到改善，闭环规划更安全。
| 评论： | 机器人学习会议（CoRL）2026 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.14585 [cs.RO] |
| （或 arXiv:2606.14585v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.14585 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Hongzhan Yu [查看邮箱]
[v1]
2026年6月12日星期五 16:01:50 UTC（23,027 KB）
[v2]
2026年10月6日星期二 17:21:45 UTC（23,035 KB）
来源：arXiv cs.AI · arxiv.org