11:10
官方账号arXiv cs.LG@Kai S. Yun, Zeyang Li, Navid Azizan
推荐理由：安全RL扩展新解法
PS2-RL
共 1 条相关 AI 资讯
6月15日
11:10
PS2-RL是一种两阶段安全强化学习框架，第一阶段通过safe-arrival价值函数训练备份策略，隐含构建控制不变集。第二阶段利用可微投影层对RL策略进行端到端训练，严格保证安全约束。该方法在最高10维状态的机器人控制任务上评估，较此前可证明安全方法更可扩展且性能更优。PS2-RL不限制底层RL算法，可插入现有训练流程。