arXiv · AI· Alexander W. Goodall, Francesco Belardinelli·· 4 小时前AI 评分30
基于高斯过程动力学模型的恢复式屏蔽安全强化学习方法
Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models
AI 导读
提出了一种基于恢复的屏蔽框架，结合备份策略与高斯过程不确定性量化，为未知非线性连续系统的安全强化学习提供可证明的安全下界。 该框架通过内部基于模型的采样进行策略优化，在不牺牲安全性的前提下实现了无限制探索和样本高效学习，在连续控制环境中表现出严格的安全合规性。
来源：arXiv · AI · arxiv.org