Bullet-Safety-Gym

EpiFlow 通过平衡性能和安全性，推动了安全离线强化学习的发展

研究人员开发了 EpiFlow，这是一种新颖的离线强化学习方法，旨在平衡关键应用中的安全性和性能。与以往在更好结果上牺牲安全性或过于保守的方法不同，EpiFlow 使用基于具有硬状态约束的最优控制的公式。该方法学习一个图上可行性价值函数，并采用流匹配来提取策略，从而能够将安全保证与数据驱动的优化进行更原则性的整合。在船只导航和注重安全的 gym 任务等基准测试上的实证结果表明，EpiFlow 在最少的安全违规情况下实现了有竞争力的回报。