LEARNING
安全强化学习中用于高效探索的方向性约束
Paolo Magliano, Puze Liu, Jan Peters, Davide Tateo, Raffaello Camoriano
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出ATACOM方向性约束方法，通过区分接近和远离约束边界的动作，仅在必要时激活约束执行，从而显著改善安全与性能的权衡。该方法扩展了ATACOM框架，可集成到现有强化学习算法中，提升学习效率并避免次优任务表现。
关键词
safe reinforcement learningdirectional constraintsATACOMroboticsconstraint enforcement
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