标签
本文提出Deep-BQRL，一种无模型分布式强化学习框架，该框架将缓冲分位数学习扩展至神经函数逼近，以实现风险敏感决策，并在特定实验中表现出优于现有方法的性能。
本文将验证方法扩展到风险敏感强化学习，通过凸优化建立了在状态对抗扰动下期望奖励的下界，并展示了通过风险厌恶训练改进的验证下界。
RS-Diffuser 提出了一种风险敏感的离线扩散规划框架，结合扩散轨迹生成和分布值批评器，通过尾部感知目标在推理时灵活调整风险偏好，在安全关键任务中提升了回报和鲁棒性。
本文介绍了一种简单而强大的方法，用于效用约束马尔可夫决策过程（UCMDPs），该方法无需预先固定约束界限即可实现风险敏感约束，在Safety Gymnasium基准测试中优于基线方法。