Safe Exploration（安全探索）

reinforcement-learning 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 内。Yang et al. (2026) 首次揭示其目标是找到可行域与 uncertain-model 之间的 equilibrium-safe-exploration。

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）依赖人类设计的约束，可行域保守且不完整
safe-equilibrium-exploration 首次打破这一循环，同时优化可行域和模型精度

1.5 KiB Raw Permalink Blame History Unescape Escape

Safe Exploration（安全探索）

两种训练模式

核心挑战

相关概念

1.5 KiB

Raw Permalink Blame History