1.3 KiB
1.3 KiB
title, created, updated, type, tags, sources, confidence
| title | created | updated | type | tags | sources | confidence | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Feasible Zone（可行域） | 2026-06-29 | 2026-06-29 | concept |
|
|
high |
Feasible Zone（可行域）
safe-exploration 中的核心概念：状态-动作空间的子集，从其中任意点出发存在策略能保证所有未来状态满足安全约束。
定义
在约束 MDP 中，可行域 Z 满足：∀(s,a) ∈ Z，∃ 策略 π 使得将所有未来轨迹保持在约束满足区域内。
关键属性
- 安全保证：只要在 Z 内行动，永远不会违反约束
- 大小决定效用：Z 太小 → 策略无法完成任务；Z 越大 → 收集高奖励数据的可能越大
- 与模型耦合：Z 的识别依赖于环境模型的精度；模型只在 Z 内准确 → 形成循环
传统方法的局限
- safety-filter 依赖人类设计的约束定义 Z → 保守且不完整
- control-barrier-function 提供数学保证但需要系统动力学知识
- safe-equilibrium-exploration 自动发现最大可行域，无需人工设计