arXiv cs.AI· Alexander W. Goodall, Francesco Belardinelli·· 10 小时前AI 评分24
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
AI 导读
研究者提出一种恢复式屏蔽框架，为未知非线性连续动力系统提供可证明的安全下界。该方法将备份策略（shield）与 RL 智能体结合，用高斯过程量化不确定性以预测安全约束违反，仅在必要时恢复至安全轨迹。屏蔽智能体的经验用于构建 GP 模型，并通过内部基于模型的采样优化策略，在连续控制环境中实现严格安全合规与样本高效学习。
正文 · AI 翻译
摘要：强化学习（RL）是实现最优决策与控制的强大框架，但在安全关键应用中往往缺乏可证明的保证。本文提出一种新颖的基于恢复的屏蔽框架，使安全强化学习能够在未知且非线性的连续动力系统中具备可证明的安全下界。该方法将备份策略（屏蔽）与强化学习智能体相结合，利用基于高斯过程（GP）的不确定性量化来预测对安全约束的潜在违反，仅在必要时动态恢复到安全轨迹。“受屏蔽”智能体所获得的经验被用于构建高斯过程模型，并通过内部基于模型的采样进行策略优化——从而实现不受限制的探索和样本高效的学习，同时不损害安全性。在实验中，我们的方法在一系列连续控制环境中展现出强劲的性能和严格的安全合规性。
| 评论： | AAMAS 2026 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.12444 [cs.LG] |
| （或 arXiv:2602.12444v3 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.12444 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.65109/EAHU8566
链接到相关资源的 DOI |
提交历史
来自：Alexander W. Goodall [查看邮箱]
[v1]
2026年2月12日 星期四 22:03:35 UTC（548 KB）
[v2]
2026年2月17日 星期二 09:48:52 UTC（543 KB）
[v3]
2026年10月30日 星期五 10:42:27 UTC（543 KB）
来源：arXiv cs.AI · arxiv.org