通过自适应策略切换满足时间逻辑约束的概率强化学习

原文中文,约300字,阅读约需1分钟。发表于:

本研究探讨受约束强化学习(CRL)中的时间逻辑约束问题,提出了一种新颖框架,结合奖励最大化与约束满足。研究结果表明,该框架可以有效调整学习与约束满足之间的切换概率,保持期望的约束满足水平,且在综合模拟中展现出良好的性能和可扩展性。

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。

相关推荐 去reddit讨论