标签
介绍CCPL，一种在约束强化学习中处理延迟和随机后果的方法，使用延迟校正的Bellman算子和干预后果网络进行因果归因，并在未知延迟下提供收缩证明。
OpenAI 提议将约束强化学习标准化作为安全探索的形式化框架，并推出 Safety Gym——一个用于评估高维连续控制任务中安全深度强化学习算法的基准测试套件，这些任务包含安全约束。