研究者提出安全强化学习算法SBSRL
热点事件持续更新
研究者提出安全强化学习算法SBSRL
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Luca Vignola等作者提出一种基于模型的强化学习算法SBSRL（Sampling-Based Safe Reinforcement Learning），通过对有限个动力学样本联合施加约束，在整个学习过程中维持安全，近似求解不确定动力学下的最坏情况优化。 该算法针对的是动力学不确定条件下的安全强化学习问题，其做法是在一组有限的动力学采样上同时满足约束，而非只针对单一估计模型。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
SBSRL：基于采样的安全强化学习算法报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AISBSRL：基于采样的安全强化学习算法
研究者提出 Sampling-Based Safe Reinforcement Learning（SBSRL），一种基于模型的强化学习算法，通过对有限动力学样本联合施加约束，在整个学习过程中维持安全，近似求解不确定动力学下的最坏情况优化。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。