强化学习中的安全探索：广义形式与算法
原文中文，约400字，阅读约需1分钟。发表于：。在本篇论文中，我们提出了一个名为广义安全探索（GSE）的问题，并使用元算法 MASE 解决了这个问题，该算法结合了无限制的强化学习算法和不确定性量化器，以确保当前回合的安全性，同时在实际安全违规之前对不安全的探索进行适当的惩罚，以防止它们在未来回合中发生。MASE 算法的优势在于我们可以在合理假设下优化策略，同时以很高的概率保证不违反任何安全约束。最后，我们演示了我们提出的算法在方格世界和...
本文提出了广义安全探索问题，使用元算法MASE解决。该算法在方格世界和Safety Gym基准测试上表现更好，且没有违反任何安全约束。
