PulseAugur
中
实时 10:31:43
English(EN) Redistribution-based Cost Inference Improves Sparse Safe Offline RL

新的RCI框架增强了安全离线强化学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为基于重分布的成本推断（RCI）的新框架，以改进离线环境中的安全强化学习。该方法通过将二元停止反馈转换为密集的每步成本，解决了稀疏的、轨迹级别的反馈的挑战。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，并对不同的数据集和噪声标签表现出鲁棒性。 AI

影响 该框架可能在自动驾驶和机器人等实际应用中带来更强大、更安全的AI系统。

排序理由 该集群包含一篇详细介绍强化学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的RCI框架增强了安全离线强化学习

报道来源 [1]

  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…

相关实体

相关话题