arXiv · Machine Learning· Changxu Ni, Feiran You, Yongan Guo, Hongyang Du, Kang Wei, Le Liang, Yiyang Ni, Jun Li·· 13 小时前AI 评分38
CORMA：面向可泛化多约束离线安全强化学习的约束路由决策 Mamba
CORMA: Constraint-Routed Decision Mamba for Generalizable Multi-Constraint Offline Safe Reinforcement Learning
AI 导读
CORMA提出约束路由决策 Mamba 框架，面向可泛化的多约束离线安全强化学习。该框架将策略推理拆为约束感知的 RTG 估计和自适应动作生成，并通过路由引导的 product-of-experts 融合约束专家分布，为 Mamba 动作解码器提供安全引导。
来源：arXiv · Machine Learning · arxiv.org