热点事件持续更新

论文提出课程式深度强化学习方法实现火箭远距离精确着陆

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Atin Chowdhury 与 Piyush Joshi 在 arXiv 提交论文，提出面向可复用运载火箭远距离导航与精确着陆的课程式深度强化学习框架，智能体从 1,000 至 1,500 单位初始水平距离飞行并软着陆。论文称，框架采用三阶段课程、critic 预热和防遗忘的重演机制；在 100,000 回合评估条件下，所提策略成功率 99.98%（基线 68.31%），剩余燃料 69.1%，落点距台中心平均 7.07 单位（基线 13.10 单位）。上述数据为论文作者报告的结果。

AI 根据报道生成 · 2 小时前更新

最新进展10月28日 12:00

面向火箭远距离自主着陆的课程式深度强化学习方法

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv cs.AI
面向火箭远距离自主着陆的课程式深度强化学习方法
一篇 arXiv 论文提出课程驱动的深度强化学习框架，用于可复用运载火箭的远距离导航与精确着陆。该框架采用三阶段课程、critic 预热和防遗忘的重演机制，智能体从 1,000 至 1,500 单位的初始水平距离飞行并软着陆。在 100,000 回合评估中，所提策略成功率达 99.98%（基线 68.31%），剩余燃料 69.1%，落点距台中心平均 7.07 单位（基线 13.10 单位）。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。