arXiv cs.LG· Zongyou Yu, Ao Zhou, Xiongbo Shi, Jiayi Guan, Shihang Du, Xudong Zhang, Shangding Gu, Junqiao Zhao, Hanli Wang, Guang Chen·· 6 天前AI 评分34
RBGA：面向灵巧操作的离线到在线安全强化学习剩余预算引导仲裁算法
RBGA: Residual-Budget Guide Arbitration for Offline-to-Online Safe Reinforcement Learning in Dexterous Manipulation
AI 导读
研究团队提出 RBGA 算法，通过显式跟踪回合内剩余安全预算，解决灵巧操作在离线到在线安全强化学习中的探索安全性问题。该方法在每一步对比离线引导动作与在线策略动作的未来代价估计与剩余预算，实现动态动作仲裁。实验表明 RBGA 能在维持高安全表现的同时有效实现在线策略提升，相关代码已开源。
来源：arXiv cs.LG · arxiv.org