CSPO: Constraint-Sensitive Policy Optimization for Safe Reinforcement Learning

En 3 lignesCSPO est une méthode d'optimisation de politique primal-duale pour l'apprentissage par renforcement sûr. Elle intègre la sensibilité aux contraintes dans les mises à jour de politique via une correction basée sur la distance signée minimale à la limite de sécurité. Résultats : récupération plus rapide après violation de contrainte et préservation des récompenses sur benchmarks de navigation et locomotion.

Résumé généré par Claude — vérifié par l'humain