通过自适应策略切换满足时间逻辑约束的概率强化学习

BriefGPT - AI 论文速递 · 2024-10-10T00:00:00Z

本文介绍了一种强化学习框架，利用马尔可夫决策过程在未知环境中合成控制策略，以满足线性时间逻辑规范。通过引入基于LTL的奖励和路径折扣机制，最大化满足LTL公式的概率，并确保无模型强化学习算法收敛到最优策略。最后，通过两个运动规划案例验证了该方法的有效性。