基于滚动时域安全评判器与可微动作屏蔽的安全强化学习

预印本摘要称，研究者针对机器人强化学习提出一种滚动时域安全评判器，可预测状态在未来滚动时域内是否保持非终止，从而前瞻性检测即将发生的运动失败。该评判器采用复合目标训练，结合控制屏障函数（CBF）启发的时序一致性与CVaR集成估计，并衍生出闭式可微CBF风格安全滤波器嵌入PPO训练。在四足机器人仿真运动中，该方法在动作噪声、外部扰动和地形变化下提升了鲁棒性，减少了灾难性故障并保持竞争力回报。