Safe CoR：基于约束奖励的仿照学习与安全强化学习双专家方法

在自主代理领域，确保在复杂动态环境中的安全与可靠性仍是首要挑战。安全强化学习通过引入安全约束来解决这些问题，但在复杂驾驶情境等复杂环境中仍面临挑战。为克服这些挑战，我们提出了安全约束奖励（Safe CoR）框架，一种新方法利用两种专家示范——奖励型专家示范侧重性能优化，安全型专家示范侧重安全性。通过利用约束奖励（CoR），该框架引导智能体在奖励总和的性能目标与安全约束之间取得平衡。我们在多种环境中测试了所提出的框架，包括安全操场、MetaDrive以及真实世界的Jackal平台。我们的方法在真实世界的Jackal平台上使算法性能提升39%，约束违规减少88%，显示该框架的有效性。通过这种创新方法，我们期望在实际应用中实现显著的性能提升，为安全可靠的自主代理领域带来变革性影响。