热点事件持续更新
RARL 用于多脉冲星际转移
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究，提出可达性分析强化学习（RARL），将中间路点选择置于学习决策核心，用局部一阶可达性映射把速度扰动映射为椭球位置集，再由 Lambert 重构生成机动。在 Earth-Mars 基准上，三次独立训练平均机动成本 10.23 km/s，仅比序列凸规划参考高 1.72%；多状态策略在 10,000 次蒙特卡洛出发中全部无冲量上限违规，单状态策略平均可行率仅 6.49%。目前进展为该方法在基准测试中验证了成本接近参考方案且多状态策略可行性高。
AI 根据报道生成 · 4 小时前更新
最新进展10月3日 12:00
RARL 在 Earth-Mars 基准测试中平均机动成本 10.23 km/s，多状态策略万次蒙特卡洛无违规。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）RARL：面向多脉冲星际转移的可达性分析强化学习
研究者提出可达性分析强化学习（RARL），将中间路点选择置于学习决策核心，用局部一阶可达性映射把速度扰动映射为椭球位置集，再由 Lambert 重构生成机动。在 Earth-Mars 基准上，三次独立训练平均机动成本 10.23 km/s，仅比序列凸规划参考高 1.72%；多状态策略在 10,000 次蒙特卡洛出发中全部无冲量上限违规，单状态策略平均可行率仅 6.49%。
本事件热度走势
当前热度 8·可比范围峰值 9（10月3日 17:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。