Buchumschlag

Adaptive Shielding for Safe Reinforcement Learning under Hidden-Parameter Dynamics Shifts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kwon, Minjae, Ingebrand, Tyler, Topcu, Ufuk, Feng, Lu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-Shot Reinforcement Learning via Function Encoders
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2024)

Function Encoders: A Principled Approach to Transfer Learning in Hilbert Spaces
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2025)

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

Dynamic Model Predictive Shielding for Provably Safe Reinforcement Learning
von: Banerjee, Arko, et al.
Veröffentlicht: (2024)

Robust Multi-Agent Reinforcement Learning for Small UAS Separation Assurance under GPS Degradation and Spoofing
von: Zongo, Alex, et al.
Veröffentlicht: (2026)

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

Adaptive Reward Design for Reinforcement Learning
von: Kwon, Minjae, et al.
Veröffentlicht: (2024)

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

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

Basis-to-Basis Operator Learning Using Function Encoders
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2024)

Neural Port-Hamiltonian Differential Algebraic Equations for Compositional Learning of Electrical Networks
von: Neary, Cyrus, et al.
Veröffentlicht: (2024)

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

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

Reduce, Reuse, Recycle: Categories for Compositional Reinforcement Learning
von: Bakirtzis, Georgios, et al.
Veröffentlicht: (2024)

Using Large Language Models to Automate and Expedite Reinforcement Learning with Reward Machine
von: Alsadat, Shayan Meshkat, et al.
Veröffentlicht: (2024)

Sparsity-based Safety Conservatism for Constrained Offline Reinforcement Learning
von: Cho, Minjae, et al.
Veröffentlicht: (2024)

Hierarchical Meta-Reinforcement Learning via Automated Macro-Action Discovery
von: Cho, Minjae, et al.
Veröffentlicht: (2024)

Decoupled Guidance Diffusion for Adaptive Offline Safe Reinforcement Learning
von: Chen, Rufeng, et al.
Veröffentlicht: (2026)

Constraint-Adaptive Policy Switching for Offline Safe Reinforcement Learning
von: Chemingui, Yassine, et al.
Veröffentlicht: (2024)

Contraction Actor-Critic: Contraction Metric-Guided Reinforcement Learning for Robust Path Tracking
von: Cho, Minjae, et al.
Veröffentlicht: (2025)

Verified Safe Reinforcement Learning for Neural Network Dynamic Models
von: Wu, Junlin, et al.
Veröffentlicht: (2024)

Do LLMs Strategically Reveal, Conceal, and Infer Information? A Theoretical and Empirical Analysis in The Chameleon Game
von: Karabag, Mustafa O., et al.
Veröffentlicht: (2025)

Composite Flow Matching for Reinforcement Learning with Shifted-Dynamics Data
von: Kong, Lingkai, et al.
Veröffentlicht: (2025)

Adaptive Primal-Dual Method for Safe Reinforcement Learning
von: Chen, Weiqin, et al.
Veröffentlicht: (2024)

Enhancing Instruction Following of LLMs via Activation Steering with Dynamic Rejection
von: Kang, Minjae, et al.
Veröffentlicht: (2026)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

Learning Hidden Subgoals under Temporal Ordering Constraints in Reinforcement Learning
von: Xu, Duo, et al.
Veröffentlicht: (2024)

A Flow Matching Algorithm for Many-Shot Adaptation to Unseen Distributions
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2026)

JaxWildfire: A GPU-Accelerated Wildfire Simulator for Reinforcement Learning
von: Çakır, Ufuk, et al.
Veröffentlicht: (2025)

Oracle-Guided Soft Shielding for Safe Move Prediction in Chess
von: Rajendran, Prajit T, et al.
Veröffentlicht: (2026)

Safe In-Context Reinforcement Learning
von: Moeini, Amir, et al.
Veröffentlicht: (2025)

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

Reinforcement Learning by Guided Safe Exploration
von: Yang, Qisong, et al.
Veröffentlicht: (2023)

Online Foundation Model Selection in Robotics
von: Li, Po-han, et al.
Veröffentlicht: (2024)

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

Safe and Balanced: A Framework for Constrained Multi-Objective Reinforcement Learning
von: Gu, Shangding, et al.
Veröffentlicht: (2024)

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

Online Optimization for Offline Safe Reinforcement Learning
von: Chemingui, Yassine, et al.
Veröffentlicht: (2025)

Safe Flow Q-Learning: Offline Safe Reinforcement Learning with Reachability-Based Flow Policies
von: Tayal, Mumuksh, et al.
Veröffentlicht: (2026)

Implicit Safe Set Algorithm for Provably Safe Reinforcement Learning
von: Zhao, Weiye, et al.
Veröffentlicht: (2024)