20260706:新增一些文章

papers/safe-equilibrium-exploration.md

@@ -0,0 +1,61 @@
+---
+title: "Safe Equilibrium Exploration: On the Equilibrium between Feasible Zone and Uncertain Model in Safe Exploration"
+created: 2026-06-29
+updated: 2026-06-29
+type: paper
+tags: [safe-reinforcement-learning, safe-exploration, feasible-zone, equilibrium, control]
+sources: [https://arxiv.org/abs/2602.00636]
+authors: ["Yujie Yang (Tsinghua)", "Zhilong Zheng (Tsinghua)", "Shengbo Eben Li (Tsinghua)"]
+venue: IEEE TPAMI 48(7), 8344-8360 (2026)
+doi: 10.1109/TPAMI.2026.3669907
+year: 2026
+---
+
+# Safe Equilibrium Exploration (SEE)
+
+> arXiv: [2602.00636v2](https://arxiv.org/abs/2602.00636), cs.LG, IEEE TPAMI 2026
+
+## 一句话
+
+首次揭示 [[safe-exploration|安全探索]] 的**目标不是最大化可行域，而是找到可行域与不确定模型之间的均衡**——两者相互依存：更大可行域 → 更精确模型 → 进而探索更大可行域。
+
+## 核心贡献
+
+### 均衡视角
+
+传统 safe RL 方法将安全探索视为"在满足约束的前提下最大化可行域"。本文证明：由于模型不确定性与探索区域相互耦合，真正的目标是找到两者的 [[equilibrium-safe-exploration|均衡点]]。
+
+### SEE 算法
+
+[[safe-equilibrium-exploration|SEE (Safe Equilibrium Exploration)]] 交替执行：
+1. 在当前 [[uncertain-model|不确定模型]] 下找到最大 [[feasible-zone|可行域]]
+2. 在可行域内收集数据，精化模型
+3. 重复直至收敛到均衡
+
+### 理论保证
+
+- 不确定模型**单调精化**
+- 可行域**单调扩展**
+- 两者均收敛到安全探索均衡
+
+## 技术要点
+
+- **图建模**：将不确定模型表述为图，可行域为图上满足约束的子图
+- **与现有方法的关系**：[[safety-filter|Safety Filter]] 类方法依赖人类设计的约束定义可行域（CBF, Safety Index），而 SEE 自动发现最大可行域
+- **训练模式**：针对 SOTI（Simultaneous Online Training and Implementation）模式，高保真 sim 不可用时的真实场景
+
+## 实验
+
+经典控制任务上，SEE 在**零约束违反**的前提下成功扩展可行域，并在少量迭代内达到安全探索均衡。
+
+## 相关概念
+
+- [[safe-exploration|安全探索]]
+- [[feasible-zone|可行域]]
+- [[equilibrium-safe-exploration|安全探索均衡]]
+- [[safe-equilibrium-exploration|SEE 算法]]
+- [[safety-filter|Safety Filter]]
+- [[control-barrier-function|控制屏障函数]]
+- [[uncertain-model|不确定模型]]
+- [[reinforcement-learning|强化学习]]
+- [[real-world-safe-exploration-see-2026|机器之心科普报道]]