实体
Constrained Reinforcement Learning Has Zero Duality Gap
Constrained Reinforcement Learning Has Zero Duality Gap
PulseAugur coverage of Constrained Reinforcement Learning Has Zero Duality Gap — every cluster mentioning Constrained Reinforcement Learning Has Zero Duality Gap across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Brain-SAD框架通过动态恐惧约束增强自动驾驶安全性
研究人员开发了Brain-SAD，一个结合了动态恐惧导向约束的安全自动驾驶新框架。该系统旨在通过引入一个适应当前车辆交互场景的动态恐惧信号来改进现有的约束强化学习方法。Brain-SAD可以生成用于常规交互的长期策略，或用于紧急碰撞防御的短期策略，将恐惧反应与行动影响和可行区域边界直接耦合。实验表明，与现有方法相比，Brain-SAD在复杂驾驶场景中实现了更高的成功率、更快的任务完成速度和更快的碰撞恢复能力，显示出增强的可靠性。
-
新的强化学习方法优化水下航行器功率预算
研究人员开发了一种新颖的方法来控制水下航行器，将能源效率直接整合到强化学习过程中。该方法将控制构建为约束马尔可夫决策过程，允许以物理单位设置明确的功率预算。使用 PPO-Lagrangian 算法来解决这个问题，并在线更新对偶变量，以满足每个特定航行器和任务的预算。在 MarineGym 模拟器中的测试表明，与仅关注任务准确性的基线相比，在各种航行器和任务中，功率显著降低了 14-65%，同时保持了平稳运行和任务准确性。