电气工程与系统科学 > 系统与控制
[提交于 2025年1月5日
(v1)
,最后修订 2025年6月3日 (此版本, v2)]
标题: 回归基础:通过可达-规避安全滤波器实现无需人工干预的学习
标题: Back to Base: Towards Hands-Off Learning via Safe Resets with Reach-Avoid Safety Filters
摘要: 设计能够在保证安全约束的同时完成任务的控制器仍然是一个重大挑战。 我们通常希望智能体在典型任务(如环境探索)中表现出色,同时确保它能够避免进入不安全状态,并在特定时间内返回到期望的目标。 特别是,我们受到现实世界中强化学习安全、高效无干预训练设置的启发。 通过使机器人能够在无人干预的情况下安全自主地重置到期望区域(例如充电站),我们可以提高效率并促进训练。 基于控制屏障函数的安全过滤器等方法将安全性与典型控制目标解耦,并严格保证安全性。 尽管取得了成功,但对于具有控制约束和系统不确定性的通用非线性系统的这些函数构造仍是一个开放问题。 本文介绍了一种从可达避障问题相关的价值函数获得的安全过滤器。 所提出的过滤器在最小程度上修改典型控制器的同时,避免了不安全区域,并引导系统回到期望的目标集。 通过在允许安全重置的同时保持策略性能,我们实现了高效的无干预强化学习,并推进了真实世界机器人安全训练的可行性。 我们使用软演员评论家的改进版本来演示我们的方法,以安全地训练一个摆动任务在修改后的倒立摆稳定问题上。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.