#屏蔽机制

研究提出概率选项屏蔽 POS，实现长时程安全强化学习

论文提出概率选项屏蔽（POS），将概率逻辑屏蔽（PLS）扩展到选项层面，在无需完整环境模型的前提下恢复长时程安全保障。POS 从单步 PLS 信号学习无模型评论家，估计整个选项安全完成的概率。在 LogiCity 安全导航任务上，训练安全性显著提升且任务表现不降。