计算机科学 > 机器学习
[提交于 2018年5月29日
]
标题: virtuously Safe Reinforcement Learning
标题: Virtuously Safe Reinforcement Learning
摘要: 我们证明,当一个第三方,即攻击者,进入安全可中断强化学习的两方设置(代理和操作员)时,必须在极限情况下遵循最优策略的概率和逃避攻击者造成的危险情况的概率之间做出权衡。 到目前为止,关于安全可中断代理的研究假设代理对其环境有完美的感知(没有攻击者),因此通过明确追求第一个概率为一,隐式地将第二个概率设为零。 我们证明了(1)代理可以同时具备可中断性和抗攻击性,(2)可中断性可以被设计成安全的,即代理本身不会试图避免它。 我们还解决了当代理不完全贪婪时出现的问题,即极限情况下的安全探索问题。 对扰动感知的鲁棒性、极限情况下的安全探索以及安全可中断性是我们在文中称为\emph{虚拟安全强化学习}的三个支柱。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.