1.7 KiB
1.7 KiB
title, created, updated, type, tags, sources, confidence
| title | created | updated | type | tags | sources | confidence | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| SEE: Safe Equilibrium Exploration | 2026-06-29 | 2026-06-29 | concept |
|
|
high |
SEE (Safe Equilibrium Exploration)
Yang et al. (2026) 提出的首个面向 equilibrium-safe-exploration 的算法框架。交替执行可行域扩展和模型精化，收敛到均衡点。
算法流程
初始化: Z₀ = 安全初始区域, M₀ = 初始模型
循环直到收敛:
1. Zone Expansion: 在 M_k 下计算最大可行域 Z_{k+1}
2. Model Refinement: 在 Z_{k+1} 内收集数据，更新 M_{k+1}
关键技术
图建模
将 uncertain-model 表述为图：
- 节点 = 状态-动作对
- 边 = 可能的转移（带不确定性范围）
- 可行域 = 图上满足安全约束的连通子图
单调性保证
- Zone Expansion 保证 Z_{k+1} ⊇ Z_k（单调扩展）
- Model Refinement 保证 M_{k+1} 的不确定性 ≤ M_k（单调精化）
实验结果
在经典控制任务上：
- 零约束违反：训练全程无安全违规
- 快速收敛：少量迭代（< 10 轮）即达到均衡
- 显著扩展：可行域相比初始安全区域大幅增长
与 Safety Filter 的对比
| 维度 | safety-filter | SEE | |------|------------|-----| | 约束来源 | 人类设计 | 自动发现 | | 可行域 | 固定、保守 | 动态扩展、最优 | | 模型假设 | 隐式（已知动力学） | 显式建模不确定性 |