arXiv cs.AI· Luca Vignola, Bruce D. Lee, Manish Prajapat, Manuel Wendl, Melanie Zeilinger, Andreas Krause, Yarden As·· 6 天前AI 评分22
基于采样的安全强化学习 SBSRL：在不确定动力学下实现学习全程安全
Sampling-Based Safe Reinforcement Learning
AI 导读
研究者提出基于采样的安全强化学习（SBSRL），一种基于模型的 RL 算法，通过对有限动力学样本联合施加约束，在整个学习过程中维持安全，近似原本难以求解的不确定动力学最坏情况优化。
正文 · AI 翻译
摘要：安全探索仍然是强化学习（RL）中的一个基本挑战，限制了 RL 智能体在现实世界中的部署。我们提出了基于采样的安全强化学习（SBSRL），这是一种基于模型的 RL 算法，通过在有限的一组动力学样本上联合施加约束，在整个学习过程中保持安全性。该公式近似了对不确定动力学进行的最坏情况优化，而该优化本身难以求解，并能在连续域中提供实用的安全保证。我们进一步引入了一种基于约束认知不确定性的探索策略，从而无需显式的探索奖励。在正则性条件下，我们推导出了整个学习过程中安全性的高概率保证，以及恢复近最优策略的有限时间样本复杂度界。在实证上，SBSRL 在仿真和真实机器人硬件中均实现了安全高效的探索，并且易于扩展到可处理高维连续控制问题的实用深度集成实现。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2605.19469 [cs.LG] |
| （或 arXiv:2605.19469v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.19469 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Luca Vignola [查看电子邮件]
[v1]
2026年5月19日星期二 07:21:53 UTC（6,055 KB）
[v2]
2026年10月9日星期五 15:01:32 UTC（6,907 KB）
来源：arXiv cs.AI · arxiv.org