arXiv · ML· Paul K\"onig, Sascha Marton, Stefan L\"udtke, Christian Bartelt·· 13 小时前AI 评分23
VESPA:基于可验证符号策略适应的安全强化学习框架
VESPA: Verifiable Symbolic Policy Adaptation for Safe Reinforcement Learning
AI 导读
VESPA 框架通过利用形式验证生成的反例对决策树策略进行定向微调,实现不安全策略向安全策略的转化。 该框架在 CartPole 环境中将平均验证安全步数从 63.8 提升至至少 92.7,在 MountainCarContinuous 环境中 60 次运行有 53 次成功将不安全策略转为安全策略。 验证器生成的反例被证明是有效的训练信号,可系统性提升强化学习策略的安全性。
来源:arXiv · ML · arxiv.org