![arxiv：2405.01677V2 [CS.LG] 2024年6月7日](/simg/1/1e0e7568f6ff3e5ae97a70471a935bb649c4e3f8.webp)
机构名称：
¥ 1.0
确保加固学习的安全性（RL）对于其在现实世界应用中的部署至关重要。然而，在外观期间管理奖励与安全之间的权衡提出了重大挑战。通过政策调整来提高奖励绩效可能会对安全性能进行不利影响。在这项研究中，我们旨在通过利用梯度操纵理论来解决这种矛盾的关系。最初，我们分析了奖励与安全梯度之间的冲突。随后，我们通过提出一种软转换策略优化方法来解决奖励和安全优化之间的平衡，为此我们提供了综合分析。基于我们的理论检查，我们提供了一个安全的RL框架来克服上述挑战，并开发了一个安全穆约科克的基准，以评估安全RL算法的性能。最后，我们评估了我们方法对安全穆霍科基准和流行的安全RL基准Omnisafe的有效性。的结果表明，在平衡奖励和安全优化方面，我们的算法优于几个最先进的基线。
arxiv：2405.01677V2 [CS.LG] 2024年6月7日
主要关键词
![arxiv：2405.01677V2 [CS.LG] 2024年6月7日PDF文件第1页](/bimg/7/7a79ac21cf81fd14581c7f543c8acc90982ceb6e.webp)
![arxiv：2405.01677V2 [CS.LG] 2024年6月7日PDF文件第2页](/bimg/4/47d074d4254a17d0f362a3496d254e4b65442c11.webp)
![arxiv：2405.01677V2 [CS.LG] 2024年6月7日PDF文件第3页](/bimg/f/f71c34e3550fa7b8be581ac90d63b5aa8c2b153c.webp)
![arxiv：2405.01677V2 [CS.LG] 2024年6月7日PDF文件第4页](/bimg/9/9ed3c538b1b374c7a170ce8911a6e751f71159b8.webp)
![arxiv：2405.01677V2 [CS.LG] 2024年6月7日PDF文件第5页](/bimg/3/31ce41b4eab7bb5970492a73ab59ff46004a85e3.webp)
相关文件推荐
![arxiv：2212.03228v3 [CS.LG] 2024年6月7日](/simg/8/8d6e55e36345a92f0bcf230744b271c0e1d39a3c.webp)
![arxiv：2308.12252V4 [CS.LG] 2024年6月18日](/simg/d/d3b0680c168e732a9b1ac061852d6c8da29e032e.webp)
![arxiv：2312.00198V2 [CS.LG] 2024年6月17日](/simg/c/c948db6657581e58f47649a6b14c43365028a16f.webp)
![arxiv：2405.00202v2 [CS.LG] 2024年8月15日](/simg/5/561e2f8c4218297e979fa3ffd920c9ea3fa94c08.webp)
![arxiv：2405.14306v2 [hepth] 2024年6月20日](/simg/1/1c4563d6b2909f76de3b3b0425ecd2c8684fe771.webp)
![arxiv：2405.16867V1 [CS.RO] 2024年5月27日](/simg/0/016c2836278801866eae2bebbe27e756048a2203.webp)
![arxiv：2405.04720v1 [Math.ap] 2024年5月7日](/simg/9/97246ee5f236460d650f17a1f8013dd833bfcaef.webp)
![arxiv：2405.01810v1 [CS.AI] 2024年5月3日](/simg/f/ff089de5e2c139bf28cc96af9e5bbe952b6d75c1.webp)
![arxiv：2406.12109v1 [CS.CL] 2024年6月17日](/simg/a/a0852110e08f2258b8ed3e33aa83098394b2b43a.webp)
![arxiv：2310.01424v2 [CS.CL] 2024年6月18日](/simg/8/803e03aa7d6ae1b7e476cacb26b4a26b6941aae1.webp)
![arxiv：2402.17644v2 [CS.CL] 2024年6月9日](/simg/4/476a405ee4704d0310b5e28d3ab0647610213243.webp)
![arxiv：2305.04536v2 [CS.CV] 2024年6月18日](/simg/9/954ae78a6188e649adb8f41247881a246a455e8d.webp)
![arxiv：2411.02397v2 [CS.CV] 2024年11月7日](/simg/b/b528467858d2f38a90eea4422320b7196b495298.webp)
![arxiv：2402.01077V2 [CS.LG] 2024年8月13日](/simg/e/e672fe4775405f421b214d0a805be57ec8a0e3a4.webp)
![arxiv：2406.09201v3 [CS.CV] 2024年6月21日](/simg/3/320ae63d161446b01044352944f9cd48014236d4.webp)
![arxiv：2406.02893v2 [CS.CL] 2024年6月9日](/simg/e/e240398aa932ac4270dbf5817ac7f09ec964f7c3.webp)
![arxiv：2310.12058V2 [CS.HC] 2024年4月7日](/simg/6/6277f4c84db5cbd80ad2af1fff6144765c17479c.webp)
![arxiv：2406.11641v1 [CS.CV] 2024年6月17日](/simg/c/c66f024a584b5d4988aba60fa80da02507bd8838.webp)
![arxiv：2311.08089v2 [CS.CL] 2024年6月12日](/simg/5/5c0a019d9819db258ceaaceb5e6515c62938d5af.webp)
![arxiv：2312.07178V2 [CS.LG] 2024年1月22日](/simg/2/2fb0536e5708baf7aa717f35831b978468a63181.webp)
![arxiv：2210.04688V5 [CS.LG] 2024年3月20日](/simg/8/8d11f7fd87768d3dd24ba3062541ede7a346234d.webp)
![arxiv：2405.14055V1 [CS.CL] 2024年5月22日](/simg/3/3e84ef4dea4303908c43d2afa2dfe36cc5a4c5a4.webp)
![arxiv：2405.01218v1 [CS.HC] 2024年5月2日](/simg/d/df14f5348a43d06b41ce6b0d9aa58a90edf248ea.webp)
![arxiv：2402.04598V1 [CS.HC] 2024年2月7日](/simg/0/0c956cd7426e379a52ec8740ec3bd812e4c80e71.webp)
![arxiv：2405.02288V2 [CS.CV] 2024年5月17日](/simg/a/ae87bc3287454a2fa534f8b83dd160f14afb0f16.webp)
![arxiv：2406.08858v1 [CS.RO] 2024年6月13日-Omnih2o](/simg/d/dc505b50ac9d6d51ceb6b1d54938a6a7a50b5116.webp)
![arxiv：2406.08198v1 [CS.SE] 2024年6月12日](/simg/3/3e025842e846c10e9fe5bd5b0620ab6ef4cf5221.webp)
![arxiv：2405.10893v1 [CS.CL] 2024年5月17日](/simg/4/42e6f359fd68e2e7208e84d4bf9093a4471bc7cd.webp)
![arxiv：2405.16959v1 [CS.CV] 2024年5月27日](/simg/4/490082b0a4cdb5dfe396c8f00e2d19916b174d66.webp)
