arXiv cs.RO 机器人学· Siwei Ju, Jan Peters, Oleg Arenz·· 2 小时前精选AI 评分53
arXiv 论文提出滚动时域安全评论家与可微动作屏蔽用于机器人强化学习安全
Safe Reinforcement Learning with Receding-Horizon Safety Critic and Differentiable Action Shields
AI 导读
论文提出滚动时域安全评论家，预测状态在未来滚动时域内是否保持非终止状态，以提前检测运动失败。评论家基于 rollout 生成的时域标签训练，采用时域分类、控制屏障函数启发的时间一致性和平滑正则化的复合目标，并以集成评论家结合保守的 Conditional Value at Risk 估计处理不确定性。
推荐理由
论文指出安全失败往往跨多步累积而非瞬时发生，这一视角可迁移评估其他机器人强化学习安全方案。
来源：arXiv cs.RO 机器人学 · arxiv.org