PS2-RL：可证明安全且可扩展的强化学习框架

作者提出 PS2-RL 两阶段框架，用学习到的备份策略前向积分系统动力学，在线生成隐式控制不变集，从而避免显式构造控制不变集带来的维度扩展问题。第一阶段用安全到达价值函数训练备份策略，实现向已认证基础集的安全恢复；第二阶段通过可微投影层端到端训练 RL 策略，严格保证由备份策略诱导的安全性。该框架不限制底层 RL 算法，可接入现有训练流程，并在状态维度最高 10 的机器人控制任务上完成评估。