倾斜量化梯度更新的量化约束强化学习

本研究提出了一种量化约束的强化学习方法，有效解决了安全约束表达不足的问题。该方法通过估计量化梯度和倾斜更新策略，提升了安全性和回报性能，超越了现有基准。