通过占用度量规范化防止奖励攻击

本文研究了一种使用违规指标来惩罚不安全状态的方法，并在机器人地图导航任务中进行了实验。结果显示，使用违规指标的策略在性能上表现更好，能够减少访问不安全状态的数量。