arXiv cs.AI· Alexander W. Goodall, Francesco Belardinelli·· 11 小时前AI 评分29
RecReg：用基于恢复的屏蔽机制在强化学习中强制执行非马尔可夫正则安全属性
RECREG: Recovery-based Shielding for Regular Safety Properties in Reinforcement Learning
AI 导读
RecReg 是一个通过基于恢复的屏蔽（recovery-based shielding）来强制执行非马尔可夫正则安全属性的安全强化学习框架，支持不同级别的先验知识与安全保证。
正文 · AI 翻译
摘要：在许多现实场景中，我们需要考虑安全性、约束合规性等正式要求，才能部署强化学习（RL）智能体。本文提出 RecReg，一个能够通过基于恢复的屏蔽机制来强制执行非马尔可夫正则安全属性的安全 RL 框架。RecReg 是一种统一方法，支持不同层次的先验知识和安全保障。本文主要致力于在表格设置下为 RecReg 构建理论基础，提供相关工作中所没有的严格安全性和收敛性保证。我们使用 MASA-Safe-RL 库提供了大量实证结果，并概述了使用 SOTA 基于模型的 RL 将 RecReg 扩展到深度 RL 领域的方法。我们的实证结果表明，RecReg 实现了高效学习，并与本文的理论相符。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.23445 [cs.LG] |
| （或 arXiv:2610.23445v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23445 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Alexander W. Goodall [查看电子邮件]
[v1]
2026 年 10 月 16 日星期五 13:28:34 UTC（6,118 KB）
来源：arXiv cs.AI · arxiv.org