已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Gradient-Adaptive Pareto Optimization for Constrained Reinforcement Learning

帕累托原理 数学优化 强化学习 计算机科学 多目标优化 帕累托最优 摄动(天文学) 最优化问题 梯度法 数学 人工智能 量子力学 物理
作者
Zhuan Zhou,Ming Huang,Feiyang Pan,Jing He,Xiang Ao,Dandan Tu,Qiang He
出处
期刊:Proceedings of the ... AAAI Conference on Artificial Intelligence [Association for the Advancement of Artificial Intelligence (AAAI)]
卷期号:37 (9): 11443-11451 被引量:2
标识
DOI:10.1609/aaai.v37i9.26353
摘要

Constrained Reinforcement Learning (CRL) burgeons broad interest in recent years, which pursues maximizing long-term returns while constraining costs. Although CRL can be cast as a multi-objective optimization problem, it is still facing the key challenge that gradient-based Pareto optimization methods tend to stick to known Pareto-optimal solutions even when they yield poor returns (e.g., the safest self-driving car that never moves) or violate the constraints (e.g., the record-breaking racer that crashes the car). In this paper, we propose Gradient-adaptive Constrained Policy Optimization (GCPO for short), a novel Pareto optimization method for CRL with two adaptive gradient recalibration techniques. First, to find Pareto-optimal solutions with balanced performance over all targets, we propose gradient rebalancing which forces the agent to improve more on under-optimized objectives at every policy iteration. Second, to guarantee that the cost constraints are satisfied, we propose gradient perturbation that can temporarily sacrifice the returns for costs. Experiments on the SafetyGym benchmarks show that our method consistently outperforms previous CRL methods in reward while satisfying the constraints.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
李健的小迷弟应助不喜采纳,获得10
刚刚
cc发布了新的文献求助10
1秒前
1秒前
2秒前
大个应助CC采纳,获得10
3秒前
善学以致用应助心向采纳,获得10
5秒前
赞zan发布了新的文献求助10
5秒前
5秒前
hua完成签到,获得积分10
7秒前
9秒前
9秒前
10秒前
klyre完成签到,获得积分20
10秒前
惘文发布了新的文献求助10
11秒前
12秒前
fang完成签到 ,获得积分10
12秒前
lyy66964193完成签到,获得积分10
13秒前
不喜发布了新的文献求助10
13秒前
黄少侠完成签到 ,获得积分10
16秒前
科目三应助荀冰姬采纳,获得10
16秒前
碧蓝的冰绿完成签到,获得积分10
20秒前
cjn1113应助Steven采纳,获得10
21秒前
善学以致用应助单纯夏烟采纳,获得10
21秒前
丽虹发布了新的文献求助20
23秒前
李健应助陶醉的绮菱采纳,获得10
25秒前
timick完成签到,获得积分10
25秒前
26秒前
27秒前
29秒前
慕青应助jy采纳,获得10
30秒前
惘文完成签到 ,获得积分10
31秒前
klyre发布了新的文献求助10
32秒前
科研通AI2S应助Cindy采纳,获得10
32秒前
32秒前
zzj发布了新的文献求助10
32秒前
JERLY发布了新的文献求助30
34秒前
Willa发布了新的文献求助10
35秒前
35秒前
科研通AI2S应助再干一杯采纳,获得10
39秒前
xjcy应助萤火虫果果采纳,获得10
40秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3125790
求助须知:如何正确求助?哪些是违规求助? 2776133
关于积分的说明 7729211
捐赠科研通 2431530
什么是DOI,文献DOI怎么找? 1292140
科研通“疑难数据库(出版商)”最低求助积分说明 622407
版权声明 600380