跳到正文
arXiv · ML· Runsheng Yu, Zhuoyang Song, Zengde Deng, Qixin Zhang, Li Shen, Jiaxing Zhang·· 17 天前AI 评分20

结构双重适应:用于安全强化学习的SDLA方法

Structural Dual Adaptation for Safe Reinforcement Learning

AI 导读

提出结构双重适应(SDLA)方法,通过当前成本中心化、轨迹加权和二次正则化,取代原始对偶算法在约束边界上的“开-关”切换,实现连续且唯一的乘子响应。 Ternary Search用于计算乘子而无需对偶梯度步长;对熵正则化表格策略,证明了平衡约束违反的上界。

来源:arXiv · ML · arxiv.org