EpiFlow：用上图引导流匹配在离线强化学习中兼顾安全与性能

该工作把安全离线强化学习表述为带硬状态约束的最优控制问题，用离线数据学习epigraph可行性值函数、再用流匹配提取策略，针对的是软约束方法可能允许违规、且对分布偏移敏感这一瓶颈。在船导航、Safety-Gymnasium和Bullet-Safety-Gym基准上报告了有竞争力的回报与接近零的约束违反，但证据限于仿真基准，真实部署的安全保证仍需另行验证。做安全关键自主系统的研究者可据此比较硬约束与软约束路线的取舍。