基于目标的终端值估计用于实时多任务模型预测控制

模型预测控制（MPC）与强化学习结合，利用机载传感器数据训练神经网络策略，成功控制四旋翼飞行器避障。

通过贝叶斯优化的主动学习框架和最优控制方案，设计特定任务的控制器，并通过实验迭代更新模型，验证方法有效性。

提出利用MPC作为可微政策类，学习连续状态和行动空间中的强化学习，旨在提高数据效率。

结合规划方法和强化学习，利用潜在变量模型简化规划中的有效状态，实验结果显示在机器人导航和操作任务中显著优于以往方法。

研究表明，经过训练的动态模型和学习的策略可以显著提高多任务/多目标场景的性能和数据效率。

提出TD-MPC新型控制方法，结合基于模型和无关的方法，取得更好的样本效率和渐进性能。

提出Planning to Practice（PTP）方法，解决普适性机器人目标达成困难和训练代价高的问题，结合离线增强学习与在线探索。

通过机器学习优化基于样本的MPC更新规则，在有限样本下获得更好控制效果。

提出基于策略梯度的策略优化框架，通过简化的一阶模型进行监督学习，设计精确控制策略。

综述任务和运动规划（TAMP）领域，强调高效解决TAMP的算法结构及其与学习创新的协同性。