可证明安全且可扩展的强化学习

Kai S. Yun, Zeyang Li, Navid Azizan

摘要

本文提出PS2-RL框架，通过两阶段架构学习可证明安全的策略，克服了传统方法在状态维度扩展性差和过于保守的问题。第一阶段训练备份策略生成隐式控制不变集，第二阶段训练强化学习策略。

safe reinforcement learningprovably safescalablebackup policycontrol-invariant set

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018