arXiv 机器学习· Runsheng Yu, Zhuoyang Song, Zengde Deng, Qixin Zhang, Li Shen, Jiaxing Zhang·· 15 hours agoAI score34
面向安全强化学习的结构化对偶自适应方法 SDLA
Structural Dual Adaptation for Safe Reinforcement Learning
Not yet translated; shown in Chinese.
AI guide
研究人员提出面向安全强化学习的结构化对偶自适应（SDLA），通过连续响应替代原对偶的 bang-bang 切换，并利用三分搜索计算乘子。在 OmniSafe 和 HASARD 基准上，结合 SDLA 的 PPO 与 SAC 改善了约束跟踪。其中 PPO-SDLA 在 HASARD 的 18 个设置中有 6 个平均奖励高于人类基准且满足代价预算，包括 4 个平均代价更低的设置。
Source:arXiv 机器学习 · arxiv.org