Reinforcement Learning in a Safety-Embedded MDP with Trajectory Optimization

强化学习 马尔可夫决策过程 弹道 计算机科学 软件部署 过程(计算) 任务(项目管理) 推论 理论(学习稳定性) 避碰 轨迹优化 人工智能 马尔可夫过程 机器学习 工程类 计算机安全 碰撞 系统工程 统计 物理 数学 天文 操作系统
作者
Fan Yang,Wenxuan Zhou,Zuxin Liu,Ding Zhao,David Held
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2310.06903
摘要

Safe Reinforcement Learning (RL) plays an important role in applying RL algorithms to safety-critical real-world applications, addressing the trade-off between maximizing rewards and adhering to safety constraints. This work introduces a novel approach that combines RL with trajectory optimization to manage this trade-off effectively. Our approach embeds safety constraints within the action space of a modified Markov Decision Process (MDP). The RL agent produces a sequence of actions that are transformed into safe trajectories by a trajectory optimizer, thereby effectively ensuring safety and increasing training stability. This novel approach excels in its performance on challenging Safety Gym tasks, achieving significantly higher rewards and near-zero safety violations during inference. The method's real-world applicability is demonstrated through a safe and effective deployment in a real robot task of box-pushing around obstacles.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ding应助威武豌豆采纳,获得20
1秒前
2秒前
ding应助minute采纳,获得10
3秒前
赘婿应助t421788416采纳,获得10
5秒前
毕业完成签到,获得积分20
6秒前
7秒前
glomming完成签到,获得积分10
10秒前
orixero应助杨杨杨采纳,获得10
11秒前
我是老大应助毕业采纳,获得10
11秒前
11秒前
沉默的幻枫给沉默的幻枫的求助进行了留言
11秒前
12秒前
14秒前
t421788416完成签到,获得积分10
14秒前
Ngu完成签到,获得积分10
15秒前
细心松鼠完成签到,获得积分20
16秒前
t421788416发布了新的文献求助10
16秒前
minute发布了新的文献求助10
19秒前
Wei关注了科研通微信公众号
19秒前
细心的夜安完成签到,获得积分20
19秒前
19秒前
21秒前
思源应助科研小桶采纳,获得10
23秒前
野原完成签到,获得积分10
25秒前
虞映秋发布了新的文献求助10
25秒前
minute完成签到,获得积分10
27秒前
科研通AI5应助yewungs采纳,获得10
27秒前
27秒前
FG发布了新的文献求助10
27秒前
谷大强完成签到,获得积分10
29秒前
我不是BOB发布了新的文献求助50
29秒前
30秒前
GLP完成签到,获得积分20
30秒前
慕青应助MRM采纳,获得10
31秒前
tyZhang完成签到,获得积分10
31秒前
细心松鼠发布了新的文献求助10
31秒前
传奇3应助王了了采纳,获得10
32秒前
简单男孩完成签到,获得积分10
33秒前
肖肖完成签到,获得积分20
34秒前
35秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Ophthalmic Equipment Market 1500
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
いちばんやさしい生化学 500
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3672384
求助须知:如何正确求助?哪些是违规求助? 3228736
关于积分的说明 9781794
捐赠科研通 2939160
什么是DOI,文献DOI怎么找? 1610638
邀请新用户注册赠送积分活动 760696
科研通“疑难数据库(出版商)”最低求助积分说明 736174