Buchumschlag

On the Equilibrium between Feasible Zone and Uncertain Model in Safe Exploration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Yujie, Zheng, Zhilong, Li, Shengbo Eben
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

On the Stability of Datatic Control Systems
von: Yang, Yujie, et al.
Veröffentlicht: (2024)

The Feasibility Theory of Constrained Reinforcement Learning: A Tutorial Study
von: Yang, Yujie, et al.
Veröffentlicht: (2024)

Convolutional Bayesian Filtering
von: Cao, Wenhan, et al.
Veröffentlicht: (2024)

Safe Bayesian Optimization for Uncertain Correlation Matrices in Linear Models of Co-Regionalization
von: Lübsen, Jannis, et al.
Veröffentlicht: (2026)

Optimal Parameter Adaptation for Safety-Critical Control via Safe Barrier Bayesian Optimization
von: Wang, Shengbo, et al.
Veröffentlicht: (2025)

System-level Safety Guard: Safe Tracking Control through Uncertain Neural Network Dynamics Models
von: Li, Xiao, et al.
Veröffentlicht: (2023)

Safe Multi-Agent Reinforcement Learning with Convergence to Generalized Nash Equilibrium
von: Li, Zeyang, et al.
Veröffentlicht: (2024)

Safe Offline Reinforcement Learning with Feasibility-Guided Diffusion Model
von: Zheng, Yinan, et al.
Veröffentlicht: (2024)

Zeroth-Order Actor-Critic: An Evolutionary Framework for Sequential Decision Problems
von: Lei, Yuheng, et al.
Veröffentlicht: (2022)

Controllability Test for Nonlinear Datatic Systems
von: Yang, Yujie, et al.
Veröffentlicht: (2024)

Distributional Soft Actor-Critic with Three Refinements
von: Duan, Jingliang, et al.
Veröffentlicht: (2023)

Predictive Lagrangian Optimization for Constrained Reinforcement Learning
von: Zhang, Tianqi, et al.
Veröffentlicht: (2025)

Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions
von: Castañeda, Fernando, et al.
Veröffentlicht: (2022)

Kernel-Based Safe Exploration in Deep Reinforcement Learning
von: Majumdar, Rupak, et al.
Veröffentlicht: (2026)

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

Scalable Synthesis of Formally Verified Neural Value Function for Hamilton-Jacobi Reachability Analysis
von: Yang, Yujie, et al.
Veröffentlicht: (2024)

Online Optimization and Ambiguity-based Learning of Distributionally Uncertain Dynamic Systems
von: Li, Dan, et al.
Veröffentlicht: (2021)

MPC of Uncertain Nonlinear Systems with Meta-Learning for Fast Adaptation of Neural Predictive Models
von: Yan, Jiaqi, et al.
Veröffentlicht: (2024)

Canonical Form of Datatic Description in Control Systems
von: Zhan, Guojian, et al.
Veröffentlicht: (2024)

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

How Does the Lagrangian Guide Safe Reinforcement Learning through Diffusion Models?
von: Cheng, Xiaoyuan, et al.
Veröffentlicht: (2026)

Real-Time Adaptive Safety-Critical Control with Gaussian Processes in High-Order Uncertain Models
von: Zhang, Yu, et al.
Veröffentlicht: (2024)

LexiSafe: Offline Safe Reinforcement Learning with Lexicographic Safety-Reward Hierarchy
von: Yang, Hsin-Jung, et al.
Veröffentlicht: (2026)

Solving Differential Equations using Physics-Informed Deep Equilibrium Models
von: Pacheco, Bruno Machado, et al.
Veröffentlicht: (2024)

MAKO: Meta-Adaptive Koopman Operators for Learning-based Model Predictive Control of Parametrically Uncertain Nonlinear Systems
von: Han, Minghao, et al.
Veröffentlicht: (2025)

Natural Gradient Gaussian Approximation Filter with Positive Definiteness Guarantee
von: Zhang, Tianyi, et al.
Veröffentlicht: (2026)

Algorithm Design and Comparative Test of Natural Gradient Gaussian Approximation Filter
von: Cao, Wenhan, et al.
Veröffentlicht: (2025)

Data-Driven Motion Planning for Uncertain Nonlinear Systems
von: Esmaeili, Babak, et al.
Veröffentlicht: (2025)

Exchange Policy Optimization Algorithm for Semi-Infinite Safe Reinforcement Learning
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

SafeAuto: Knowledge-Enhanced Safe Autonomous Driving with Multimodal Foundation Models
von: Zhang, Jiawei, et al.
Veröffentlicht: (2025)

Safely Learning Dynamical Systems
von: Ahmadi, Amir Ali, et al.
Veröffentlicht: (2023)

Robust Correlated Equilibrium: Definition and Computation
von: Misra, Rahul, et al.
Veröffentlicht: (2023)

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

Safe Gradient Flow for Bilevel Optimization
von: Sharifi, Sina, et al.
Veröffentlicht: (2025)

Safe Online Control-Informed Learning
von: Zhou, Tianyu, et al.
Veröffentlicht: (2025)

Convex Chance-Constrained Stochastic Control under Uncertain Specifications with Application to Learning-Based Hybrid Powertrain Control
von: Kato, Teruki, et al.
Veröffentlicht: (2026)

Model-free Reinforcement Learning for Model-based Control: Towards Safe, Interpretable and Sample-efficient Agents
von: Banker, Thomas, et al.
Veröffentlicht: (2025)

Safe Learning-Based Optimization of Model Predictive Control: Application to Battery Fast-Charging
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Safe and Stable Closed-Loop Learning for Neural-Network-Supported Model Predictive Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)