PS2-RL：免显式不变集的可证明安全强化学习框架
热点事件历史事件
PS2-RL：免显式不变集的可证明安全强化学习框架
1 篇报道1 个报道来源5 天前更新
先了解这件事
AI 综述
Kai S. Yun、Zeyang Li 与 Navid Azizan 提出 PS2-RL 两阶段框架，目标是在不显式构造控制不变集的前提下，学习可证明安全的强化学习策略。作者称，该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，以避开显式构造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，使其能安全恢复到已认证的基础集；第二阶段通过可微投影层端到端训练 RL 策略，作者称由此严格保证由备份策略诱导的安全性。作者表示，该框架不限制底层 RL 算法，可接入现有训练流程，并已建立理论保证。 评估在状态维度最高为 10 的机器人控制任务上完成；作者称，此前可证明安全的 RL 方法在这一维度区间内难以适用或变得不切实际。
AI 根据报道生成 · 5 天前更新
最新进展11月5日 13:00
PS2-RL：可证明安全且可扩展的强化学习框架报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.ROPS2-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。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 1011月5日 14:00
- 近 24 小时变化
- -49%
02.557.510
11月6日12:0011月7日12:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。