N-SAM * 算法通过观察学习出所有行动至少在某些状态下可行，而不妨碍返回的行动模型的安全性，相较于 N-SAM 算法返回的行动模型，N-SAM * 算法在解决问题方面取得显著的进展。

Dec, 2023

研究了如何在动态部分可观测领域中识别确定性动作效果和先决条件，并提出了可行的算法来解决这个问题。

Jan, 2014

提出了一种新颖的框架，在强化学习代理中引入领域知识以促进安全探索和提高样本效率，该方法在 OpenAI 的 Gym 和 Safety-Gym 环境中的任务中均表现出了更安全的探索和更高的样本效率。

Apr, 2023

本文提出了一种新型的探索计划代理，它能够在没有专家跟踪或给定目标的情况下学习行动先决条件和效果，优化探索和行动模型学习，运用新的表示为 Lifted Linked Clauses 和一种新颖的探索行动选择方法，并在探索为中心的视频游戏场景中进行实证评估。

Mar, 2022

本文介绍了一种用于安全 MDP 规划的方法，它基于对状态 - 动作轨迹的安全度量，用监督学习模型学习非马尔可夫安全模式，并通过 Lagrange 乘子方法和计算图优化代理学习安全行为。实验结果表明，该方法可以满足非马尔可夫的安全约束条件，比马尔可夫 NCE 的先前最佳方法更好。

Apr, 2023

本文探讨发展在复杂世界中可以学习行动的代理程序的目标，并开发了一种概率关系计划规则表示，以紧凑地模拟有噪声，不确定性的行动效果，并展示了这种规则的有效学习方法。通过在简单规划领域和具有逼真物理的三维模拟块世界的实验，我们证明了这种学习算法使代理程序能够有效地模拟世界动态。

Oct, 2011

在关系集合中，我们结合关系 Markov 决策过程与 pCTL 模型检查，提出了一个框架，从一组被标记为安全或不安全的状态中学习 pCTL 公式的片段。应用关系学习的原则，我们介绍了候选公式生成过程和为标记状态决定满意的规范的方法，以此作为该领域的安全说明。最后在合成的关系领域上评估了该方法。

Nov, 2022

本文提出了一种基于 MAX-SAT 框架的方法，用于自动学习规划系统的领域模型，通过输入一组含有无序动作和噪声的计划迹线来输出最佳的动作模型，并通过系统实证评估证明了该方法的有效性

Aug, 2019

对 SAM + 算法在简化版的 Coffee 问题 PPDDL 版本中的应用及结果进行了描述。

Mar, 2022

引入了一个针对具有连续状态和动作空间以及非高斯转移模型的随机域的模型学习和规划框架。该框架高效，因为只有在计划器需要它们时才估计局部模型；计划器集中于当前规划问题的最相关状态；计划器专注于信息最丰富和 / 或价值最高的动作。我们的理论分析显示了所提出方法的有效性和渐近最优性。在实验上，我们在模拟的多模式推动问题上展示了我们算法的有效性。

Jul, 2016