arXiv 机器学习· Zongyou Yu, Ao Zhou, Xiongbo Shi, Jiayi Guan, Shihang Du, Xudong Zhang, Shangding Gu, Junqiao Zhao, Hanli Wang, Guang Chen·· 1 天前AI 评分34
面向灵巧操作的离线到在线安全强化学习算法 RBGA
RBGA: Residual-Budget Guide Arbitration for Offline-to-Online Safe Reinforcement Learning in Dexterous Manipulation
AI 导读
研究人员针对灵巧操作提出 RBGA 算法，通过显式跟踪单回合剩余安全预算，解决离线到在线安全强化学习中前期预算消耗过多的问题。该算法在每一步对比引导动作与在线策略动作的未来代价估计，自适应仲裁动作选择以保障探索安全。实验表明 RBGA 能在保持强安全性能的同时实现有效的在线策略改进，相关代码已开源。
来源：arXiv 机器学习 · arxiv.org