arXiv · Machine Learning· Alexander W. Goodall, Francesco Belardinelli·· 8 小时前AI 评分47
基于高斯过程动力学模型的恢复式安全屏蔽强化学习方法
Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models
AI 导读
一种结合恢复式安全屏蔽（Recovery-based Shielding）与高斯过程（GP）动力学模型的强化学习框架，为未知非线性连续动力学系统提供可证明的安全下界。该方法通过备用策略预测安全约束违规风险，仅在必要时恢复至安全轨迹，并利用智能体经验构建 GP 模型，实现兼顾安全合规与样本效率的策略学习。
来源：arXiv · Machine Learning · arxiv.org