机构名称：
¥ 1.0
摘要。安全对于扩大重新执行学习（RL）的应用至关重要。通常，我们在将其部署在现实世界中之前，在受控环境（例如实验室）中训练RL代理。但是，现实世界的目标任务可能在部署前未知。无奖励RL训练代理，而无需奖励，一旦奖励揭示了奖励。我们考虑了无奖励的环境，代理（指南）学会了在没有奖励信号的情况下安全探索。该代理在受控环境中进行训练，该环境允许不安全的交互作用，并且仍然提供安全信号。揭示了目标任务后，不再允许违反安全性。因此，该指南被利用以制定安全的行为政策。从转移学习中绘制，我们还将目标政策（学生）正规化为指南，而学生不可靠，并且随着培训的进行，逐渐消除了指南的影响。经验分析表明，该方法可以实现安全的转移学习，并帮助学生更快地解决目标任务。
代尔夫特技术大学强化学习的学习...
主要关键词
相关文件推荐
