arXiv Robotics· Siwei Ju, Jan Peters, Oleg Arenz·· 4 小时前AI 评分24
基于滚动时域安全评论家与可微动作护盾的安全强化学习
Safe Reinforcement Learning with Receding-Horizon Safety Critic and Differentiable Action Shields
AI 导读
研究提出一种滚动时域安全评论家，预测状态在未来时域内是否保持非终止，从而提前检测四足机器人运动即将发生的失败。评论家由 rollout 生成时域标签训练，融合时域分类、受控制屏障函数启发的时序一致性与平滑正则，并用集成评论家的保守 CVaR 估计处理不确定性。
来源：arXiv Robotics · arxiv.org