面向人形机器人可恢复性监控的主动可达性学习

研究提出一种统一框架，交替进行价值学习与主动探索，用于学习给定回退策略的随机有限时域可恢复性包络，从而构建能及时预警不可恢复跌倒的运行时监控器。该方法将数据探索重构为 reach-avoid 问题，由不确定性引导的探索器系统发现未见状态并避开高置信不可恢复区域，同时结合时序差分与蒙特卡洛目标提升分布内价值预测与不确定性估计。