概率安全强化学习框架扩展并部署于人形与飞行机器人
Towards Probabilistically Safe Reinforcement Learning: Theory and Deployment on Humanoid and Aerial Robots
AI 摘要
Pol Mestres 与 Joel W. Burdick 等人扩展 RSGF-RL 安全强化学习框架,使其支持轨迹级一般安全约束,以及按指定概率满足碰撞避免等机会约束,并放宽对无偏估计的要求,可直接结合 PPO 等主流算法。作者在人形机器人和空中机器人上完成部署验证,提升了安全约束下策略学习的实用性。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。