提出滚动时域安全评论家与可微动作屏蔽的安全强化学习方法

Siwei Ju、Jan Peters、Oleg Arenz 在 arXiv 论文中提出一种安全强化学习方法，用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。 论文称，在模拟四足运动中，该方法在动作噪声、外部扰动和地形变化下提升鲁棒性，减少灾难性失败，同时保持有竞争力的回报。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。