BriefGPT - AI 论文速递 · 2025-04-07T00:00:00Z

在不确定环境中确保安全：通过随机阈值的约束MDP

📝

内容提要

本文研究了受随机阈值约束的约束马尔可夫决策过程（CMDP），提出了随机悲观-乐观阈值（SPOT）算法，以确保强化学习在不确定环境中的安全性，并证明其在奖励后悔和约束违反方面的优越性。

🏷️

标签

CMDP SPOT算法 安全性 强化学习 随机阈值