BriefGPT - AI 论文速递
·
学习的非马尔可夫安全性约束下的安全强化学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的方法，使用pSTL安全规范和小规模初始标记数据集，学习安全的强化学习控制策略并识别未知的安全约束参数。实验证实了该方法在各种环境约束形式上的有效性，并成功学习了与真实环境安全约束高度一致的STL安全约束参数。
🎯
关键要点
- 提出了一种新的方法，学习安全的强化学习控制策略并识别未知的安全约束参数。
- 使用参数化信号时态逻辑 (pSTL) 安全规范和小规模初始标记数据集。
- 将问题视为双层优化任务，采用拉格朗日变体的双延迟深度确定性策略梯度 (TD3) 算法进行约束策略优化。
- 结合贝叶斯优化来优化给定 pSTL 安全规范的参数。
- 通过案例研究验证了该方法在各种环境约束形式上的有效性，产生高回报的安全强化学习策略。
- 成功学习了与真实环境安全约束高度一致的 STL 安全约束参数。
- 模型表现与完全了解安全约束的理想情况相似，能够准确识别环境安全约束并学习遵守这些约束的安全策略。
➡️
