研究人员开发了SMC-ES，一种将进化策略与统计模型检查相结合的新算法，可自动合成自主系统的控制策略。该方法对性能、安全性和鲁棒性提供形式化保证，确保遇到违规的概率低于指定阈值。SMC-ES在Gymnasium和Safety Gymnasium的连续控制任务上进行了评估，与领先的深度强化学习和Safe-DRL基线相比，表现具有竞争力，但计算成本有所增加。 AI
影响 增强了自主系统控制策略的形式化验证，可能提高关键应用的信任度和安全性。
排序理由 该集群描述了学术论文中发布的新算法和方法论。
- deep reinforcement learning
- Evolutionary strategies for the elucidation of cis and trans factors that regulate the developmental switching programs of the beta-like globin genes
- gymnasium
- Safe-DRL
- Safety Gymnasium
- SMC-ES
- Statistical Model Checking for Product Lines
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
