Buchumschlag

Kernel-Based Safe Exploration in Deep Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Majumdar, Rupak, Singh, Nikhil, Soudjani, Sadegh
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Kernel-Based Learning of Safety Barriers
von: Schön, Oliver, et al.
Veröffentlicht: (2026)

Sum-of-Squares Certificates for Almost-Sure Reachability of Stochastic Polynomial Systems
von: Kordabad, Arash Bahari, et al.
Veröffentlicht: (2025)

Almost Sure Reachability in Continuous-time Stochastic Systems
von: Kordabad, Arash Bahari, et al.
Veröffentlicht: (2026)

Regret-Free Reinforcement Learning for LTL Specifications
von: Majumdar, Rupak, et al.
Veröffentlicht: (2024)

Data-Driven Distributionally Robust Safety Verification Using Barrier Certificates and Conditional Mean Embeddings
von: Schön, Oliver, et al.
Veröffentlicht: (2024)

LUCID: Learning-Enabled Uncertainty-Aware Certification of Stochastic Dynamical Systems
von: Casablanca, Ernesto, et al.
Veröffentlicht: (2025)

On Certificates for Almost Sure Reachability in Stochastic Systems
von: Kordabad, Arash Bahari, et al.
Veröffentlicht: (2025)

Safe Reach Set Computation via Neural Barrier Certificates
von: Abate, Alessandro, et al.
Veröffentlicht: (2024)

Kernel-Based Sparse Additive Nonlinear Model Structure Detection through a Linearization Approach
von: Ebrahimkhani, Sadegh, et al.
Veröffentlicht: (2025)

Quasi-Newton Compatible Actor-Critic for Deterministic Policies
von: Kordabad, Arash Bahari, et al.
Veröffentlicht: (2025)

Safe Reinforcement Learning-Based Vibration Control: Overcoming Training Risks with LQR Guidance
von: Thorat, Rohan Vitthal, et al.
Veröffentlicht: (2025)

DeepSafeMPC: Deep Learning-Based Model Predictive Control for Safe Multi-Agent Reinforcement Learning
von: Wang, Xuefeng, et al.
Veröffentlicht: (2024)

Safe Deep Model-Based Reinforcement Learning with Lyapunov Functions
von: Zhang, Harry
Veröffentlicht: (2024)

On the Sample Complexity of Discounted Reinforcement Learning with Optimized Certainty Equivalents
von: Mortensen, Oliver, et al.
Veröffentlicht: (2026)

Frugal Actor-Critic: Sample Efficient Off-Policy Deep Reinforcement Learning Using Unique Experiences
von: Singh, Nikhil Kumar, et al.
Veröffentlicht: (2024)

Safe and High-Performance Learning of Model Predicitve Control using Kernel-Based Interpolation
von: Rose, Alexander, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning with Enhanced PPO for Safe Mobile Robot Navigation
von: Taheri, Hamid, et al.
Veröffentlicht: (2024)

Optimistic World Models: Efficient Exploration in Model-Based Deep Reinforcement Learning
von: Mete, Akshay, et al.
Veröffentlicht: (2026)

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

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

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

Promises of Deep Kernel Learning for Control Synthesis
von: Reed, Robert, et al.
Veröffentlicht: (2023)

Safe Reinforcement Learning with Minimal Supervision
von: Quessy, Alexander, et al.
Veröffentlicht: (2025)

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

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

Data-Driven Abstractions via Binary-Tree Gaussian Processes for Formal Verification
von: Schön, Oliver, et al.
Veröffentlicht: (2024)

On the Equilibrium between Feasible Zone and Uncertain Model in Safe Exploration
von: Yang, Yujie, et al.
Veröffentlicht: (2026)

Offline Guarded Safe Reinforcement Learning for Medical Treatment Optimization Strategies
von: Yan, Runze, et al.
Veröffentlicht: (2025)

Provable Traffic Rule Compliance in Safe Reinforcement Learning on the Open Sea
von: Krasowski, Hanna, et al.
Veröffentlicht: (2024)

A Safe Reinforcement Learning Algorithm for Supervisory Control of Power Plants
von: Sun, Yixuan, et al.
Veröffentlicht: (2024)

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

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

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

Optimizing Operation Recipes with Reinforcement Learning for Safe and Interpretable Control of Chemical Processes
von: Brandner, Dean, et al.
Veröffentlicht: (2025)

Foundations of Safe Online Reinforcement Learning in the Linear Quadratic Regulator: Generalized Baselines
von: Schiffer, Benjamin, et al.
Veröffentlicht: (2024)

Foundations of Safe Online Reinforcement Learning in the Linear Quadratic Regulator: $\sqrt{T}$-Regret
von: Schiffer, Benjamin, et al.
Veröffentlicht: (2025)

Risk-Aware Safe Reinforcement Learning for Control of Stochastic Linear Systems
von: Esmaeili, Babak, et al.
Veröffentlicht: (2025)

Learnable Faster Kernel-PCA for Nonlinear Fault Detection: Deep Autoencoder-Based Realization
von: Ren, Zelin, et al.
Veröffentlicht: (2021)

Economic Battery Storage Dispatch with Deep Reinforcement Learning from Rule-Based Demonstrations
von: Sage, Manuel, et al.
Veröffentlicht: (2025)

Learning-Based Shielding for Safe Autonomy under Unknown Dynamics
von: Reed, Robert, et al.
Veröffentlicht: (2024)