anticipatory-cost

本文提出VLM-Safe-RL框架，该框架将冻结的视觉语言模型集成到约束MDP的拉格朗日更新中，为高速视觉控制任务的安全强化学习提供预测性成本信号。该方法在Safety-Gymnasium FormulaOne L2上优于标准约束感知基线，并能泛化到未见过的环境。