arXiv · cs.AI · Alexander W. Goodall, Francesco Belardinelli · 10 小时前模型评分38
基于高斯过程动力学模型与恢复式屏蔽的安全强化学习
Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models
导读
研究者提出一种恢复式屏蔽框架，让强化学习在未知非线性连续系统中具备可证明的安全下界。该方法用高斯过程（GP，Gaussian Process）量化不确定性以预测安全约束违反，仅在必要时切换到备份策略恢复安全轨迹，并借助内部模型采样实现无限制探索与样本高效学习。在多个连续控制环境中，该方法表现出较强性能并严格满足安全约束。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this paper, we introduce a novel recovery-based shielding framework that enables safe RL with a provable safety lower bound for unknown and non-linear continuous dynamical systems.”
来源：arXiv · cs.AI · arxiv.org