2023年3月5日
数据中心冷却的 safe-RL，基于对 action 的事后修正技术
摘要： motivation：减少 RL 试错过程中的 unsafe behavior。技术路线：先模仿学习，再在 on-line learning 时强行改可能 unsafe 的 action，即 post-hoc rectification。 阅读全文
posted @ 2023-03-05 13:13 MoonOut 阅读(92) 评论(0) 推荐(0) 编辑