研究者提出恢复式屏蔽安全强化学习框架

Alexander W. Goodall 与 Francesco Belardinelli 提出一种恢复式屏蔽框架，用于未知非线性连续动力系统的安全强化学习，并称可为该系统提供可证明的安全下界。 该方法将备份策略（shield）与强化学习智能体结合，用高斯过程量化不确定性、预测安全约束违反，仅在必要时将智能体恢复至安全轨迹；屏蔽智能体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优化策略。研究者称，该框架在连续控制环境中实现了严格安全合规与样本高效学习。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。