恢复式屏蔽安全强化学习框架提出

研究者 Alexander W. Goodall 与 Francesco Belardinelli 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获得可证明的安全下界。该方法用高斯过程量化不确定性、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，并通过内部模型采样支持无限制探索和样本高效学习。 论文称，在多个连续控制环境中，该方法性能较强并严格满足安全约束。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。