20260706:新增一些文章

raw/articles/real-world-safe-exploration-see-2026.md

@@ -0,0 +1,41 @@
+---
+title: "真机RL安全探索均衡 (Raw)"
+source: https://mp.weixin.qq.com/s/nE9gq1bStIg1qhWpIRvQHQ
+author: 机器之心 / 数据派THU
+date: 2026-06-29
+platform: WeChat
+---
+
+# 真机强化学习的安全探索均衡
+
+## 背景
+
+具身智能爆发式演进，RL 是核心驱动算法。真机 RL 是终极考验——物理世界不允许无限试错。
+
+## 安全探索基本思想
+
+将探索严格限制在「可行区域」内 → 收集数据 → 降低模型误差 → 扩展可行区域 → 循环。
+
+## 前人工作
+
+- Andreas Krause (ETH): Lyapunov 函数 + 高斯过程
+- Claire Tomlin (Berkeley): HJ 可达性分析
+- 未解决问题：收敛性、收敛边界
+
+## 清华 SEE 论文
+
+首次证明安全探索必然收敛到「均衡」——可行域与不确定模型的不动点。
+
+SEE 算法：
+1. 固定模型 → 求解 Risky Bellman Equation → 最大可行域
+2. 固定区域 → Clique Decision Problem → 最小不确定模型
+
+理论性质：单调 + 收敛。
+
+## 实验
+
+双积分器、倒立摆、独轮车。零约束违反，10 次迭代内收敛。
+
+## 意义
+
+厘清"安全探索到底在探索什么"，为真机 RL 建立数学安全底座。