Buchumschlag

On Robust Reinforcement Learning with Lipschitz-Bounded Policy Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Barbara, Nicholas H., Wang, Ruigang, Manchester, Ian R.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

R2DN: Scalable Parameterization of Contracting and Lipschitz Recurrent Deep Networks
von: Barbara, Nicholas H., et al.
Veröffentlicht: (2025)

RobustNeuralNetworks.jl: a Package for Machine Learning and Data-Driven Control with Certified Robustness
von: Barbara, Nicholas H., et al.
Veröffentlicht: (2023)

LipKernel: Lipschitz-Bounded Convolutional Neural Networks via Dissipative Layers
von: Pauli, Patricia, et al.
Veröffentlicht: (2024)

React to Surprises: Stable-by-Design Neural Feedback Control and the Youla-REN
von: Barbara, Nicholas H., et al.
Veröffentlicht: (2025)

Lipschitz-bounded 1D convolutional neural networks using the Cayley transform and the controllability Gramian
von: Pauli, Patricia, et al.
Veröffentlicht: (2023)

Robustly Invertible Nonlinear Dynamics and the BiLipREN: Contracting Neural Models with Contracting Inverses
von: Zhang, Yurui, et al.
Veröffentlicht: (2025)

Learning Stable and Passive Neural Differential Equations
von: Cheng, Jing, et al.
Veröffentlicht: (2024)

Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
von: Shi, Kanghong, et al.
Veröffentlicht: (2025)

Remarks on Lipschitz-Minimal Interpolation: Generalization Bounds and Neural Network Implementation
von: de Oliveira, Arthur C. B., et al.
Veröffentlicht: (2026)

Monotone, Bi-Lipschitz, and Polyak-Lojasiewicz Networks
von: Wang, Ruigang, et al.
Veröffentlicht: (2024)

Learning Stable and Robust Linear Parameter-Varying State-Space Models
von: Verhoek, Chris, et al.
Veröffentlicht: (2023)

Learning to optimize with guarantees: a complete characterization of linearly convergent algorithms
von: Martin, Andrea, et al.
Veröffentlicht: (2025)

Goal-Conditioned Neural ODEs with Guaranteed Safety and Stability for Learning-Based All-Pairs Motion Planning
von: Liu, Dechuan, et al.
Veröffentlicht: (2026)

Improved Scalable Lipschitz Bounds for Deep Neural Networks
von: Syed, Usman, et al.
Veröffentlicht: (2025)

Norm-Bounded Low-Rank Adaptation
von: Wang, Ruigang, et al.
Veröffentlicht: (2025)

LDLT $\mathcal{L}$-Lipschitz Network: Generalized Deep End-To-End Lipschitz Network Construction
von: Juston, Marius F. R., et al.
Veröffentlicht: (2025)

Lipschitz-Based Robustness Certification for Recurrent Neural Networks via Convex Relaxation
von: Hamelbeck, Paul, et al.
Veröffentlicht: (2025)

Spectral Normalization for Lipschitz-Constrained Policies on Learning Humanoid Locomotion
von: Shin, Jaeyong, et al.
Veröffentlicht: (2025)

CORL: Reinforcement Learning of MILP Policies Solved via Branch and Bound
von: Anand, Akhil S, et al.
Veröffentlicht: (2025)

Improved Robustness of Deep Reinforcement Learning for Control of Time-Varying Systems by Bounded Extremum Seeking
von: Saxena, Shaifalee, et al.
Veröffentlicht: (2025)

Smart Exploration in Reinforcement Learning using Bounded Uncertainty Models
von: van Hulst, J. S., et al.
Veröffentlicht: (2025)

On the Foundation of Distributionally Robust Reinforcement Learning
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

Robust Defense Against Extreme Grid Events Using Dual-Policy Reinforcement Learning Agents
von: Peter, Benjamin M., et al.
Veröffentlicht: (2024)

Parameter Stress Analysis in Reinforcement Learning: Applying Synaptic Filtering to Policy Networks
von: Abdeen, Zain ul, et al.
Veröffentlicht: (2025)

Robust Online Learning over Networks
von: Bastianello, Nicola, et al.
Veröffentlicht: (2023)

Finite-Time Analysis of On-Policy Heterogeneous Federated Reinforcement Learning
von: Zhang, Chenyu, et al.
Veröffentlicht: (2024)

Feasible Policy Iteration for Safe Reinforcement Learning
von: Yang, Yujie, et al.
Veröffentlicht: (2023)

Concurrent Learning of Policy and Unknown Safety Constraints in Reinforcement Learning
von: Yifru, Lunet, et al.
Veröffentlicht: (2024)

Safe and Robust Reinforcement Learning: Principles and Practice
von: Yamagata, Taku, et al.
Veröffentlicht: (2024)

Robust Model Based Reinforcement Learning Using $\mathcal{L}_1$ Adaptive Control
von: Sung, Minjun, et al.
Veröffentlicht: (2024)

Optimization Solution Functions as Deterministic Policies for Offline Reinforcement Learning
von: Khattar, Vanshaj, et al.
Veröffentlicht: (2024)

Distributionally Robust Policy and Lyapunov-Certificate Learning
von: Long, Kehan, et al.
Veröffentlicht: (2024)

DiAReL: Reinforcement Learning with Disturbance Awareness for Robust Sim2Real Policy Transfer in Robot Control
von: Malmir, Mohammadhossein, et al.
Veröffentlicht: (2023)

ECLipsE: Efficient Compositional Lipschitz Constant Estimation for Deep Neural Networks
von: Xu, Yuezhu, et al.
Veröffentlicht: (2024)

Off Policy Lyapunov Stability in Reinforcement Learning
von: Gill, Sarvan, et al.
Veröffentlicht: (2025)

Stable Inverse Reinforcement Learning: Policies from Control Lyapunov Landscapes
von: Tesfazgi, Samuel, et al.
Veröffentlicht: (2024)

Entropy-regularized Diffusion Policy with Q-Ensembles for Offline Reinforcement Learning
von: Zhang, Ruoqi, et al.
Veröffentlicht: (2024)

Bounded Exploration with World Model Uncertainty in Soft Actor-Critic Reinforcement Learning Algorithm
von: Qiao, Ting, et al.
Veröffentlicht: (2024)

Relative Entropy Regularized Reinforcement Learning for Efficient Encrypted Policy Synthesis
von: Suh, Jihoon, et al.
Veröffentlicht: (2025)

A Survey of Freshness-Aware Wireless Networking with Reinforcement Learning
von: Alibotaiken, Alimu, et al.
Veröffentlicht: (2025)