★ 2
SDLA 提出结构化对偶自适应改进安全强化学习
论文提出结构化对偶自适应（SDLA），用连续响应替代原始-对偶方法在约束边界处的 bang-bang 切换，通过当前代价中心化、轨迹加权与二次正则实现。在 OmniSafe 与 HASARD 上的 PPO/SAC 实验显示约束跟踪更优，PPO-SDLA 在 18 个 HASARD 设置中有 6 个…
arXiv cs.LG10 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出结构化对偶自适应（SDLA），用连续响应替代原始-对偶方法在约束边界处的 bang-bang 切换，通过当前代价中心化、轨迹加权与二次正则实现。在 OmniSafe 与 HASARD 上的 PPO/SAC 实验显示约束跟踪更优，PPO-SDLA 在 18 个 HASARD 设置中有 6 个…