cmdp

#cmdp

CSPO：面向安全强化学习的约束敏感策略优化

arXiv cs.AI ↗ · 2026-06-15 缓存

本文提出约束敏感策略优化（CSPO），一种用于安全强化学习的一阶原始-对偶方法，该方法融合局部约束灵敏度以改善安全恢复并减少安全边界附近的振荡，在导航和运动基准上实现了更高的约束回报。

0 人收藏 0 人点赞