Sylvia Herbert

Novos métodos melhoram a alcançabilidade em sistemas de alta dimensão em várias áreas.

Explorando métodos de gradiente de política e seus efeitos na tomada de decisão em aprendizado por reforço.

Apresentando um método pra robôs se locomoverem com segurança sem mapas detalhados.

Combinar a alcançabilidade de Hamilton-Jacobi com aprendizado por reforço aumenta a segurança em sistemas de controle.

Descubra como a supervisão linear melhora o aprendizado de máquina para problemas de controle complexos.