LEARNING
COP-Q：基于乔列斯基有序投影的安全优先机器人控制强化学习
Guopeng Li, Moritz A. Zanger, Matthijs T. J. Spaan, Julian F. P. Kooij
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出COP-Q方法，通过乔列斯基分解在联合Q值空间中编码目标优先级，在保持安全保守性的同时自适应减少奖励目标的过度保守性。实验证明该方法在机器人运动控制和导航任务中有效提高了样本效率。
关键词
safe reinforcement learningrobot controlCholesky factorizationQ-learningsafety constraints
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018