networked traffic control

新框架增强了多智能体和基于采样的强化学习的安全性

研究人员开发了新的安全强化学习（RL）框架，以应对实际部署中的挑战。一种名为SafeDiSTL的方法分解了多智能体RL任务中的联合约束，允许根据智能体对共享安全违规行为的影响来分配信用。另一种方法，基于采样的安全强化学习（SBSRL），在动态样本中强制执行约束，以确保探索过程中的安全性，并为策略恢复提供理论保证。这两种方法在模拟中都显示出更高的安全性和效率，而SBSRL在机器人硬件上也表现出色。