constraint violations | BriefGPT

关键词constraint violations

搜索结果 - 8

约束感知扩散模型的轨迹优化
基于扩散模型的轨迹优化问题传统上使用神经网络生成高质量且多样化的解决方案，本文提出了一种新颖的考虑约束的扩散模型用于轨迹优化，引入了一种新颖的混合损失函数进行训练，能够最小化扩散样本与真实数据之间的约束违规问题，同时恢复原始数据分布，实验证
PDFa month ago
安全强化学习中的政策分叉
我们的研究首次发现安全强化学习中的策略分叉现象，并运用拓扑分析严格证明了其存在。为了训练这种分叉策略，我们提出了一种名为多模态策略优化（MUPO）的安全强化学习算法，该算法利用高斯混合模型分布作为策略输出，成功实现了对分叉策略的学习，并确保
PDF4 months ago
多约束安全强化学习与目标抑制在安全关键应用中的应用
通过适应性抑制任务奖励最大化目标的方法，我们提出了目标抑制（Objective Suppression）的创新方法，以解决具有多个约束的安全强化学习任务所面临的挑战，在两个多约束安全领域进行了基准测试，包括一个自动驾驶领域，其中任何不正确的
PDF4 months ago
FlowPG: 限制动作的策略梯度与正态流
使用正规化流模型将策略输出转换为有效动作，提高行动受限强化学习中的有效性和效率，并减少约束违规。
PDF5 months ago
安全状态增强对安全探索的影响
在模型无关强化学习中，通过引入安全状态来解决安全成本稀疏和未知的问题，其价值也作为违约距离，初始值反映了可用的安全预算。该方法有助于制定安全预算调度策略，称为 Simmer，可提高两种安全强化学习问题的安全性，提高平均约束下安全强化学习的性
PDF2 years ago
AAAI基于模型的安全强化学习的保守和自适应罚函数
提出了一种基于模型的安全 RL 框架 CAP，可保证在真实环境中所有的中间解均是安全的，通过适应性地捕捉模型不确定性来平衡奖励和成本目标，并在 RL 训练过程中自适应地调整惩罚，以实现比之前的安全 RL 算法更高的样本效率和较少的违规。
PDF3 years ago
随机约束下的在线凸优化
本文研究带随机约束的在线凸优化问题，提出了一种算法，能够达到预期和高概率的收益掉队和约束违反值等性能保证，并在真实数据中心调度问题上进行了实验验证。
PDF7 years ago
计算音系学中最优性的适当处理
该论文提出了一种新的优选理论形式化方法 —— 宽容组合法，基于有限状态变换器转换出最优表面实现，避免了出现任何失败的候选项。
PDF26 years ago