PulseAugur
中
实时 12:19:16
English(EN) Redistribution-based Cost Inference Improves Sparse Safe Offline RL

新的RCI框架通过稀疏反馈增强安全离线强化学习

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个名为基于重分配的成本推断（RCI）的新框架，以改进安全离线强化学习。该方法通过将轨迹级别的停止信号转换为密集的每步成本标注来解决稀疏反馈的挑战。RCI框架在理论上保留了最优策略集，同时在实践中增强了成本Critic的学习。在高速公路驾驶和机器人操作任务上的实验表明，与现有基线相比，RCI显著降低了违规率。 AI

影响 这项研究通过改进AI系统从有限反馈中学习的方式，有望在自动驾驶和机器人等实际应用中实现更强大、更安全的AI系统。

排序理由 该集群描述了一篇关于安全离线强化学习新框架的最新研究论文。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的RCI框架通过稀疏反馈增强安全离线强化学习

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Ebenezer Gelo (University of the Witwatersrand), Geraud Nangue Tasse (University of the Witwatersrand), Steven James (University of the Witwatersrand), Benjamin Rosman (University of the Witwatersrand) ·

    基于重分配的成本推断改进稀疏安全离线强化学习

    arXiv:2608.12306v1 Announce Type: cross Abstract: Safe offline RL typically assumes access to dense per-step cost annotations, but in practice supervisors provide only trajectory-level stop-feedback: a binary signal at the first unsafe transition, with no per-step attribution. We…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    基于重分配的成本推断改进稀疏安全离线强化学习

    Safe offline RL typically assumes access to dense per-step cost annotations, but in practice supervisors provide only trajectory-level stop-feedback: a binary signal at the first unsafe transition, with no per-step attribution. We frame this as a temporal credit assignment proble…

相关实体

相关话题