Buchumschlag

Leveraging Approximate Model-based Shielding for Probabilistic Safety Guarantees in Continuous Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Goodall, Alexander W., Belardinelli, Francesco
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Approximate Model-Based Shielding for Safe Reinforcement Learning
von: Goodall, Alexander W., et al.
Veröffentlicht: (2023)

Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models
von: Goodall, Alexander W., et al.
Veröffentlicht: (2026)

Probabilistic Shielding for Safe Reinforcement Learning
von: Court, Edwin Hamel-De le, et al.
Veröffentlicht: (2025)

ProSh: Probabilistic Shielding for Model-free Reinforcement Learning
von: Court, Edwin Hamel-De le, et al.
Veröffentlicht: (2025)

Behaviour Policy Optimization: Provably Lower Variance Return Estimates for Off-Policy Reinforcement Learning
von: Goodall, Alexander W., et al.
Veröffentlicht: (2025)

Robust Shielding for Safe Reinforcement Learning
von: Court, Edwin Hamel-De le, et al.
Veröffentlicht: (2026)

Adaptive GR(1) Specification Repair for Liveness-Preserving Shielding in Reinforcement Learning
von: Georgescu, Tiberiu-Andrei, et al.
Veröffentlicht: (2025)

Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations
von: Marzari, Luca, et al.
Veröffentlicht: (2024)

SafeAdapt: Provably Safe Policy Updates in Deep Reinforcement Learning
von: Anisimov, Maksim, et al.
Veröffentlicht: (2026)

Counterfactual Explanations with Probabilistic Guarantees on their Robustness to Model Change
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Expressive Temporal Specifications for Reward Monitoring
von: Adalat, Omar, et al.
Veröffentlicht: (2025)

Probabilistic Stability Guarantees for Feature Attributions
von: Jin, Helen, et al.
Veröffentlicht: (2025)

Robust Probabilistic Shielding for Safe Offline Reinforcement Learning
von: Galesloot, Maris F. L., et al.
Veröffentlicht: (2026)

Shields to Guarantee Probabilistic Safety in MDPs
von: Heck, Linus, et al.
Veröffentlicht: (2026)

A Retention-Centric Framework for Continual Learning with Guaranteed Model Developmental Safety
von: Li, Gang, et al.
Veröffentlicht: (2024)

Probabilistic Performance Guarantees for Multi-Task Reinforcement Learning
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2026)

Measuring Goal-Directedness
von: MacDermott, Matt, et al.
Veröffentlicht: (2024)

Continuous Mixtures of Tractable Probabilistic Models
von: Correia, Alvaro H. C., et al.
Veröffentlicht: (2022)

Towards Realistic Guarantees: A Probabilistic Certificate for SmoothLLM
von: Kumarappan, Adarsh, et al.
Veröffentlicht: (2025)

Enumerating Safe Regions in Deep Neural Networks with Provable Probabilistic Guarantees
von: Marzari, Luca, et al.
Veröffentlicht: (2023)

Synthesis of Safety Specifications for Probabilistic Systems
von: Ohlmann, Gaspard, et al.
Veröffentlicht: (2025)

On the Sparsifiability of Correlation Clustering: Approximation Guarantees under Edge Sampling
von: Shihab, Ibne Farabi, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Control with Probabilistic Stability Guarantee: A Finite-Sample Approach
von: Han, Minghao, et al.
Veröffentlicht: (2026)

Circular Belief Propagation for Approximate Probabilistic Inference
von: Bouttier, Vincent, et al.
Veröffentlicht: (2024)

Hierarchical Reinforcement Learning with Runtime Safety Shielding for Power Grid Operation
von: Malik, Gitesh
Veröffentlicht: (2026)

Expressive Reward Synthesis with the Runtime Monitoring Language
von: Donnelly, Daniel, et al.
Veröffentlicht: (2025)

Think Smart, Act SMARL! Analyzing Probabilistic Logic Shields for Multi-Agent Reinforcement Learning
von: Chatterji, Satchit, et al.
Veröffentlicht: (2024)

Safe Reinforcement Learning in Black-Box Environments via Adaptive Shielding
von: Bethell, Daniel, et al.
Veröffentlicht: (2024)

Probabilistic Constraint for Safety-Critical Reinforcement Learning
von: Chen, Weiqin, et al.
Veröffentlicht: (2023)

HardNet: Hard-Constrained Neural Networks with Universal Approximation Guarantees
von: Min, Youngjae, et al.
Veröffentlicht: (2024)

Conformal Safety Shielding for Imperfect-Perception Agents
von: Scarbro, William, et al.
Veröffentlicht: (2025)

Neural Network Approximators for Marginal MAP in Probabilistic Circuits
von: Arya, Shivvrat, et al.
Veröffentlicht: (2024)

Scaling Continuous Latent Variable Models as Probabilistic Integral Circuits
von: Gala, Gennaro, et al.
Veröffentlicht: (2024)

The Forgotten Shield: Safety Grafting in Parameter-Space for Medical MLLMs
von: Zhao, Jiale, et al.
Veröffentlicht: (2025)

Active Level Set Estimation for Continuous Search Space with Theoretical Guarantee
von: Ngo, Giang, et al.
Veröffentlicht: (2024)

ChronosAD: Leveraging Time Series Foundation Models for Accurate Anomaly Detection
von: Khan, Uzair, et al.
Veröffentlicht: (2026)

StyleShield: Exposing the Fragility of AIGC Detectors through Continuous Controllable Style Transfer
von: Zheng, Guantian
Veröffentlicht: (2026)

Counterfactual Probabilistic Diffusion with Expert Models
von: Mu, Wenhao, et al.
Veröffentlicht: (2025)

Predictive Safety Shield for Dyna-Q Reinforcement Learning
von: Pin, Jin, et al.
Veröffentlicht: (2025)

SDPM: Survival Diffusion Probabilistic Model for Continuous-Time Survival Analysis
von: Kirpichenko, Stanislav R., et al.
Veröffentlicht: (2026)