总的来说，NANO 不只是提出了一个新的滤波算法，而是重新审视了非线性滤波的基本范式：将滤波问题的预测和更新步等价为对状态分布的优化问题，从而规避了线性化近似；通过自然梯度在高斯流形上直接优化后验，滤波器可以快速收敛到滤波问题的最优高斯解。对于高非线性、高噪声、异常观测频发的实际系统，这一方法为状态估计提供了一条兼具理论完备性、鲁棒性和工程效率的新路径！百度网盘：https://pan.baidu

总的来说，NANO 不只是提出了一个新的滤波算法，而是重新审视了非线性滤波的基本范式：将滤波问题的预测和更新步等价为对状态分布的优化问题，从而规避了线性化近似；通过自然梯度在高斯流形上直接优化后验，滤波器可以快速收敛到滤波问题的最优高斯解。对于高非线性、高噪声、异常观测频发的实际系统，这一方法为状态估计提供了一条兼具理论完备性、鲁棒性和工程效率的新路径！百度网盘：https://pan.baidu

然而，基于值函数的方法普遍受到“过估计问题”的困扰，即算法倾向于高估状态-动作的真实价值，这严重影响学习效果。DSAC-v1的核心机制在于利用学习到的方差来调节值分布均值（即Q值）的更新步长：当累计折扣奖励分布的方差较大，估计不确定性较高时，Q值更新的有效步长会相应减小。然而，由于值分布学习复杂性较高，DSAC-v1在学习连续高斯分布（尤其是方差）的过程存在不稳定现象，且其用于防止梯度爆炸的固定目

清华大学车辆与运载学院教授，博士生导师。先后留学工作于斯坦福大学，密歇根大学和加州大学伯克利分校。主要从事自动驾驶汽车、强化学习、最优控制与估计等研究。他的研究提出了周期波动型节能操控、网联车群分布式控制、类脑学习集成式决策等核心理论方法，突破了高级别智能汽车自主学习与数据闭环所面临的一系列关键技术难题。获中国自动化学会自然科学一等奖、中国汽车工业科技进步特等奖、国家科技进步二等奖、国家技术发明二

然而，基于值函数的方法普遍受到“过估计问题”的困扰，即算法倾向于高估状态-动作的真实价值，这严重影响学习效果。DSAC-v1的核心机制在于利用学习到的方差来调节值分布均值（即Q值）的更新步长：当累计折扣奖励分布的方差较大，估计不确定性较高时，Q值更新的有效步长会相应减小。然而，由于值分布学习复杂性较高，DSAC-v1在学习连续高斯分布（尤其是方差）的过程存在不稳定现象，且其用于防止梯度爆炸的固定目

清华大学车辆与运载学院教授，博士生导师。先后留学工作于斯坦福大学，密歇根大学和加州大学伯克利分校。主要从事自动驾驶汽车、强化学习、最优控制与估计等研究。他的研究提出了周期波动型节能操控、网联车群分布式控制、类脑学习集成式决策等核心理论方法，突破了高级别智能汽车自主学习与数据闭环所面临的一系列关键技术难题。获中国自动化学会自然科学一等奖、中国汽车工业科技进步特等奖、国家科技进步二等奖、国家技术发明二