Buchumschlag

Safe Exploration via Policy Priors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wendl, Manuel, As, Yarden, Prajapat, Manish, Pollak, Anton, Coros, Stelian, Krause, Andreas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sampling-Based Safe Reinforcement Learning
von: Vignola, Luca, et al.
Veröffentlicht: (2026)

ActSafe: Active Exploration with Safety Constraints for Reinforcement Learning
von: As, Yarden, et al.
Veröffentlicht: (2024)

MaxInfoRL: Boosting exploration in reinforcement learning through information gain maximization
von: Sukhija, Bhavya, et al.
Veröffentlicht: (2024)

Data-Efficient Task Generalization via Probabilistic Model-based Meta Reinforcement Learning
von: Bhardwaj, Arjun, et al.
Veröffentlicht: (2023)

Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation
von: Pan, Jiahe, et al.
Veröffentlicht: (2026)

RobotKeyframing: Learning Locomotion with High-Level Objectives via Mixture of Dense and Sparse Rewards
von: Zargarbashi, Fatemeh, et al.
Veröffentlicht: (2024)

Safe Exploration Using Bayesian World Models and Log-Barrier Optimization
von: As, Yarden, et al.
Veröffentlicht: (2024)

What Matters for Simulation to Online Reinforcement Learning on Real Robots
von: As, Yarden, et al.
Veröffentlicht: (2026)

Simulation Priors for Data-Efficient Deep Learning
von: Treven, Lenart, et al.
Veröffentlicht: (2025)

Safe Guaranteed Exploration for Non-linear Systems
von: Prajapat, Manish, et al.
Veröffentlicht: (2024)

Symmetry-Guided Memory Augmentation for Efficient Locomotion Learning
von: Bao, Kaixi, et al.
Veröffentlicht: (2025)

SPiDR: A Simple Approach for Zero-Shot Safety in Sim-to-Real Transfer
von: As, Yarden, et al.
Veröffentlicht: (2025)

Revisiting Safe Exploration in Safe Reinforcement learning
von: Eckel, David, et al.
Veröffentlicht: (2024)

Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics
von: Li, Chenhao, et al.
Veröffentlicht: (2025)

Sample-efficient and Scalable Exploration in Continuous-Time RL
von: Iten, Klemens, et al.
Veröffentlicht: (2025)

Safe and Near-Optimal Control with Online Dynamics Learning
von: Prajapat, Manish, et al.
Veröffentlicht: (2025)

Maximum Entropy Behavior Exploration for Sim2Real Zero-Shot Reinforcement Learning
von: Hu, Jiajun, et al.
Veröffentlicht: (2026)

TARC: Time-Adaptive Robotic Control
von: Sukhija, Arnav, et al.
Veröffentlicht: (2025)

Bridging the Sim-to-Real Gap with Bayesian Inference
von: Rothfuss, Jonas, et al.
Veröffentlicht: (2024)

Problem Space Transformations for Out-of-Distribution Generalisation in Behavioural Cloning
von: Doshi, Kiran, et al.
Veröffentlicht: (2024)

Safe Deep Policy Adaptation
von: Xiao, Wenli, et al.
Veröffentlicht: (2023)

WarmPrior: Straightening Flow-Matching Policies with Temporal Priors
von: Kang, Sinjae, et al.
Veröffentlicht: (2026)

Learning Safety Constraints for Large Language Models
von: Chen, Xin, et al.
Veröffentlicht: (2025)

SOE: Sample-Efficient Robot Policy Self-Improvement via On-Manifold Exploration
von: Jin, Yang, et al.
Veröffentlicht: (2025)

Q-Guided Stein Variational Model Predictive Control via RL-informed Policy Prior
von: Cai, Shizhe, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Robotic World Model Makes Offline Model-Based Reinforcement Learning Work on Real Robots
von: Li, Chenhao, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Efficient Exploration: Pre-training Adaptive Policies via Self-Imposed Goals
von: Pappalardo, Octavio
Veröffentlicht: (2026)

Performance-driven Constrained Optimal Auto-Tuner for MPC
von: Puigjaner, Albert Gassol, et al.
Veröffentlicht: (2025)

SIME: Enhancing Policy Self-Improvement with Modal-level Exploration
von: Jin, Yang, et al.
Veröffentlicht: (2025)

Epistemically-guided forward-backward exploration
von: Urpí, Núria Armengol, et al.
Veröffentlicht: (2025)

Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why
von: Li, Chenhao, et al.
Veröffentlicht: (2025)

TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning
von: Hong, Matthew M., et al.
Veröffentlicht: (2026)

Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation
von: Patel, Bhrij, et al.
Veröffentlicht: (2023)

CAIMAN: Causal Action Influence Detection for Sample-efficient Loco-manipulation
von: Yuan, Yuanchen, et al.
Veröffentlicht: (2025)

DISCOVER: Automated Curricula for Sparse-Reward Reinforcement Learning
von: Diaz-Bone, Leander, et al.
Veröffentlicht: (2025)

Efficient Preference-Based Reinforcement Learning: Randomized Exploration Meets Experimental Design
von: Schlaginhaufen, Andreas, et al.
Veröffentlicht: (2025)

SPAARS: Safer RL Policy Alignment through Abstract Exploration and Refined Exploitation of Action Space
von: K, Swaminathan S, et al.
Veröffentlicht: (2026)

Deep Active Inference with Diffusion Policy and Multiple Timescale World Model for Real-World Exploration and Navigation
von: Yokozawa, Riko, et al.
Veröffentlicht: (2025)

NeoRL: Efficient Exploration for Nonepisodic RL
von: Sukhija, Bhavya, et al.
Veröffentlicht: (2024)

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