研究者提出兼容大规模并行训练的安全强化学习方法

Joonyoung Lim 与 Younghwan Yoo 提出一种兼容大规模并行训练的安全强化学习方法，用于解决短 rollout 与 CMDP 全回合成本约束不匹配的问题。 该方法将错峰环境重置建模为短轨迹片段上的相位混合分布，并提出相位聚合成本估计器，从短 rollout 批次重建回合级成本估计；研究者称其进一步把有限样本不确定性和分布失配纳入约束收紧框架，从而得到一种与 on-policy 优化兼容的可扩展安全强化学习方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。