跳到正文
arXiv · ML· Jiabin Lin, Shana Moothedath, Vivek S. Borkar·· 11 天前AI 评分26

安全导向强化学习中基于风险敏感耦合控制的 Q-learning 算法

Safety-Focused Reinforcement Learning Using Risk-Sensitive Coupled Control

AI 导读

提出一种两时间尺度 Q-learning 算法,通过耦合控制解决安全导向强化学习中的最优性能与安全挑战。算法在快时间尺度解决风险敏感控制问题确保安全,在慢时间尺度优化平均成本。该方法在 Safety Gymnasium 的 GridWorld 和 CarGoal 任务中验证了性能,并提供收敛性理论保证。

来源:arXiv · ML · arxiv.org