safe rl | BriefGPT - AI 论文速递

关键词safe rl

搜索结果 - 9

长短期约束驱动的安全强化学习在自动驾驶中的应用
提出一种基于长短期约束的安全强化学习算法，用于优化端到端自动驾驶的训练过程，实现连续状态和行动任务中更高的安全性和长距离决策任务中更高的探索性能。
PDF3 months ago
强化学习中策略和未知安全约束的并发学习
我们提出了一种新的方法，同时学习安全的强化学习控制策略并识别给定环境的未知的安全约束参数，通过使用参数化信号时态逻辑 (pSTL) 安全规范和小规模初始标记数据集，将问题作为双层优化任务，通过使用拉格朗日变体的双延迟深度确定性策略梯度 (T
PDF5 months ago
TRC：用于安全强化学习的信任区域条件风险价值
提出了一种以条件风险为约束的信赖区域安全强化学习方法（TRC），通过近似上界和使用次问题训练策略，实现在安全约束下达到更优性能的有效导航任务。
PDF7 months ago
具有双重鲁棒性的安全强化学习
提出了一个系统的框架来统一安全强化学习和鲁棒强化学习的问题，包括问题的形式化、迭代方案、收敛性分析和实际算法设计。该框架建立在有约束的两人零和马尔可夫博弈上，提出了一种双重策略迭代方案，同时优化任务策略和安全策略。证明了该迭代方案的收敛性。
PDF10 months ago
具有实时预算约束的安全离线强化学习
本文从轨迹分布角度提出了基于 Trajectory-based REal-time Budget Inference (TREBI) 的解决方案，以解决离线情况下真实时间预算约束问题，理论上证明了收益和成本估计的误差界限，为 TREBI 提
PDFa year ago
控制不变集增强型安全强化学习：提高采样效率，保证稳定性和鲁棒性
本文提出了一种新颖的 RL 训练方法，控制不变集增强 RL，以提高样本效率和稳定性保证，通过 CIS 在奖励设计、初始状态采样和状态重置程序中实现，同时加入安全监管人员以保证稳定性，研究结果表明这种方法在离线训练中能够显著提高样本效率，在在
PDFa year ago
GUARD：一个安全的强化学习基准
引入了通用统一的安全强化学习开发基准（GUARD）, 它是一个广义基准测试，涵盖了各种 RL 智能体、任务和安全约束规格。通过使用 GUARD 进行各种任务设置下的现有安全强化学习算法的比较，建立了未来工作可以构建基线的基础。
PDFa year ago
基于控制不变集增强型强化学习的过程控制：提高采样效率和保证稳定性
本文提出了一种新的强化学习培训方法，称为控制不变集（CIS）增强 RL，该方法通过控制不变集的优势改善稳定性和采样效率，其中包括离线和在线的两个学习阶段，使用 CIS 来设计奖励、采样初始状态和状态重置程序，并在状态不在 CIS 时重新训练
PDFa year 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