safe learning | BriefGPT - AI 论文速递

关键词safe learning

搜索结果 - 13

ABNet：用于安全且可扩展机器人学习的关注屏障网络
我们提出了一种新颖的关注力屏障网络（ABNet），它可以以增量方式构建更大的基础安全模型，通过每个 ABNet 中的屏障网络头部从不同特征中学习安全的机器人控制策略，并专注于观察的特定部分，从而显著促进了模型的训练同时保证其稳定的输出，并且
PDF18 days ago
不确定环境中的安全强化学习
在实际部署中的机器学习算法时，确保安全是一项重要的资产。现有的安全学习方法通常考虑连续变量，即回归任务。然而，在实践中，机器人系统还受到离散的、外部的环境变化的影响，例如必须携带一定重量的物体或在冻结、潮湿或干燥的表面上操作。这些影响可以建
PDF6 months ago
一个计算轻量级的安全学习算法
在这篇论文中，我们提出了一种安全学习算法，通过使用 Nadaraya-Watson 估计器而不是高斯过程，提供概率安全保证，并且在数据点数量方面实现对数级别的扩展。我们为估计结果提供了理论保证，将其嵌入到一个安全学习算法中，并在模拟的七自由
PDF10 months ago
关于马尔可夫决策过程的奖励结构
马尔可夫决策过程在强化学习中起着关键作用，本研究探讨了多种与强化学习相关的 ' 成本 '，研究了策略评估的样本复杂度，并开发了一种具有实例特定误差界限的新估计器；在在线遗憾最小化设置下，通过引入基于奖励的常量和基于潜力的奖励塑形技术，提供了
PDF10 months ago
ROSARL: 仅基于奖励的安全强化学习
在强化学习中，设计能够在一个环境中安全地解决任务的代理人是一个重要的问题。本文提出了一个实用的无模型算法，它可以帮助代理人学习 Minmax 惩罚，而且在学习任务策略的同时使其学习安全策略。这个算法可以在高维连续控制环境中产生学习安全策略的
PDFa year ago
安全学习动态系统
本文针对未知动态系统的学习问题，提出了一种安全学习动态系统的数学定义，并通过线性规划和半定向编程等方法，发展了能够在保证安全的情况下学习线性和非线性动态系统的算法。
PDFa year ago
ICLR可微符号执行安全的神经符号学习
本文解决了使用神经网络和符号人工编写代码生成 neurosymbolic 程序的最坏情况安全参数的学习问题。采用 Differentiable Symbolic Execution 方法，通过 generalization of the R
PDF2 years ago
基于视觉端到端自动驾驶的可微控制屏障函数
本文介绍了一种基于感知的学习系统的安全保障框架，该系统采用可微控制屏障函数，与常规神经网络结构组合使用，可在有限训练数据下实现优异的测试性能，在自动驾驶情境下保障安全，包括实现车道保持和避障等功能，并在模拟和真实无人车上进行了测试。
PDF2 years ago
交互式机器学习的安全探索
该论文提出了一个新的 Interactive Machine Learning 算法，通过一个基于高斯过程先验的框架来避免不安全的决策并优化决策效率，应用到安全贝叶斯优化和安全的 deterministic Markov Decision
PDF5 years ago
自主车辆上的安全强化学习
本研究探讨了如何通过预测来约束探索，从而实现强化学习在自动驾驶中的安全学习。
PDF5 years ago
控制中的安全探索鲁棒回归
研究在序列控制问题中的安全学习和探索问题，提出了一种深度健壮回归模型来预测安全探索的不确定性界限，证明了该方法在难以指定好的高斯过程先验的情况下优于传统的基于高斯过程的安全探索方法。
PDF5 years ago
具有障碍认证的自适应强化学习及其在 Brushbot 导航中的应用
本文提出了一个安全学习框架，该框架采用自适应模型学习算法以及障碍证书，用于具有可能非平稳智能体动态的系统。本文使用稀疏优化技术提取模型的动态结构，并结合控制障碍证书来保持安全。在一定条件下，保证了违反安全性后的 Lypunov 稳定恢复。最
PDF6 years ago
概率安全策略转移
本文提出一个安全的学习方法，即在保证机器人不会过度受损的前提下，通过优化问题的方法来达到最大化预期回报的目的，并采用一种新的方法来判断修改扭矩限制或更新策略参数时机器人可能受到的安全影响，以确保机器人在学习过程中该约束得到维持，实验证明了该
PDF7 years ago