基于可行性一致性的安全强化学习表示学习

在安全强化学习领域，满足安全约束与优化奖励性能之间的平衡是一大挑战。其关键障碍在于安全约束的估计，通常比奖励指标更难估计，因为约束信号稀疏。为此，我们提出一种名为 Feasibility Consistent Safe Reinforcement Learning（可行性一致性安全强化学习）的新型框架。该框架将表示学习与可行性导向目标结合，用于从原始状态中识别和提取与安全相关的信息。我们运用自监督学习技术和更易学习的安全指标，增强策略学习和约束估计。跨多个向量状态和图像基任务的实证评估表明，该方法能够学习更好的安全感知嵌入，优于以往的表示学习基线方法。