arXiv · ML· Ziqian Wang, Zhen Zhang·· 23 小时前AI 评分21
MoViL: 离线安全强化学习中的单调可行性学习
Monotone Viability Learning for Offline Safe Reinforcement Learning
AI 导读
论文提出单调可行性学习（MoViL），通过单调有限时域集合递归从离线转移数据学习可行性集合。该方法在安全强化学习基准上取得当前最优的回报-成本性能，并在所有任务中满足平均成本约束。实验验证了该数值准确性，并指出其适用于无可靠动力学模型且在线探索不安全的关键安全系统。
来源：arXiv · ML · arxiv.org