20260706:新增一些文章

concepts/safe-exploration.md

@@ -0,0 +1,36 @@
+---
+title: "Safe Exploration（安全探索）"
+created: 2026-06-29
+updated: 2026-06-29
+type: concept
+tags: [safe-reinforcement-learning, exploration, safety, RL]
+sources: [[safe-equilibrium-exploration]]
+confidence: high
+---
+
+# Safe Exploration（安全探索）
+
+> [[reinforcement-learning|强化学习]] 中确保训练过程**零约束违反**的探索机制。核心方法是将探索限制在 [[feasible-zone|可行域]] 内。Yang et al. (2026) 首次揭示其目标是找到可行域与 [[uncertain-model|不确定模型]] 之间的 [[equilibrium-safe-exploration|均衡]]。
+
+## 两种训练模式
+
+| 模式 | 全称 | 安全探索需求 |
+|------|------|-------------|
+| OTOI | Offline Training, Online Implementation | 无需（在 sim 中训练） |
+| SOTI | Simultaneous Online Training and Implementation | **必需**（在真实环境交互） |
+
+OTOI 依赖高保真仿真器；SOTI 适用于仿真器不可用的真实场景（机器人、自动驾驶）。
+
+## 核心挑战
+
+- **可行域-模型耦合**：只能在可行域内收集数据 → 域外环境未知 → 模型不确定 → 不敢扩展可行域
+- 传统方法（[[safety-filter|Safety Filter]]）依赖人类设计的约束，可行域保守且不完整
+- [[safe-equilibrium-exploration|SEE]] 首次打破这一循环，同时优化可行域和模型精度
+
+## 相关概念
+
+- [[feasible-zone|可行域]]
+- [[equilibrium-safe-exploration|安全探索均衡]]
+- [[safe-equilibrium-exploration|SEE 算法]]
+- [[safety-filter|Safety Filter]]
+- [[reinforcement-learning|强化学习]]