本體指導(dǎo)下的安全強(qiáng)化學(xué)習(xí)最優(yōu)化策略

打開文本圖片集

摘要： 針對安全強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)過程中， 基于屏蔽的實(shí)現(xiàn)方式可能受制于沒有合適的備用策略可供使用， 導(dǎo)致判斷出危險也不能阻止系統(tǒng)離開安全狀態(tài)， 結(jié)合知識的實(shí)現(xiàn)方式雖然能通過

提取概念特征， 用結(jié)構(gòu)化的知識對指定狀態(tài)給予安全指導(dǎo)， 但有時知識蘊(yùn)含的指導(dǎo)可能并不是最優(yōu)的策略， 甚至可能不如智能體探索習(xí)得策略（剩余12549字）