Skip to content
Hot eventLive

CF-KKT：无需不安全数据学习未知约束

1 reports1 sources4 hr ago updated

Get the story

AI overview

2026年10月8日，研究者在 arXiv（Robotics）提出 Counterfactual KKT（CF-KKT）约束学习框架。该方法结合学习到的动力学模型与局部最优示范，在无需已知动力学或额外高风险探索的情况下恢复未知约束。其利用可微动力学模型对示范施加 KKT 最优性条件，并生成奖励提升的反事实行为作为合成不可行数据。在高维机器人控制任务中，CF-KKT 的神经约束表示在安全性与数据效率上优于现有离线 ICRL 基线。

Generated from reports · updated 3 hr ago

LatestOct 8
CF-KKT 框架发布，声称无需不安全数据即可学习未知约束，并在高维机器人控制任务中优于现有离线 ICRL 基线。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Robotics
    CF-KKT：无需不安全数据即可学习未知约束

    研究者提出 Counterfactual KKT（CF-KKT）约束学习框架，结合学习到的动力学模型与局部最优示范，在无需已知动力学或额外高风险探索的情况下恢复未知约束。该方法利用可微动力学模型对示范施加 KKT 最优性条件，并生成奖励提升的反事实行为作为合成不可行数据。在高维机器人控制任务中，其神经约束表示在安全性与数据效率上优于现有离线 ICRL 基线。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.