A hybrid controller for safe and efficient collision avoidance control
Research Institute of Trustworthy Autonomous Systems, SUSTech（南方科技大学可信自主系统研究院）；School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院）；Verimag, Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学Verimag实验室）
我们设计和实验评估的混合安全的结构防撞控制器的自动驾驶汽车。该控制器将自适应控制器和离散安全控制器各自的优点结合到单个架构中。自适应控制器依赖于模型预测控制以在标称条件下实现最佳效率。安全控制器通过分别针对标称和非标称条件应用两种不同的策略来避免冲突。我们提出了自适应和安全控制器的设计原则，并展示了每个控制器如何在混合架构中做出贡献，以提高性能，道路占用率和乘客舒适度，同时保持安全性。实验结果证实了该方法的可行性和混合控制器的安全和有效的驾驶的实际意义。
2021-03-29 cs.RO cs.SY eess.SY
Fast Reciprocal Collision Avoidance Under Measurement Uncertainty
提出了一种基于凸优化的全分布式移动机器人避碰算法。该方法解决了实际情况下，代理通过测量噪声的车载传感器，没有代理间的通信。在一些温和的条件下，我们提供了一个广泛的类的政策，包括一个相互避免碰撞的保证。此外，我们提供了计算性能的数值示例，并表明在2D和3D模拟中，所有代理都避免彼此并达到其期望的目标，尽管他们对其他代理的位置存在不确定性。
2019-05-31 cs.RO math.OC
VLPSA: Vision-Language-Poisson-Safe Actions for Full-Body Safety of Learned Policies
California Institute of Technology（加州理工学院）
VLPSA提出一种基于泊松安全函数的安全过滤框架，为VLA策略提供全身碰撞避免，无需重训练，在SafeLIBERO上将碰撞避免率从23.1%提升至91.2%，并在Franka FR3上实现实时部署。
2026-09-22 cs.RO
Collision Avoidance and Navigation for a Quadrotor Swarm Using End-to-end Deep Reinforcement Learning
University of Southern California（南加州大学）；Amazon（亚马逊公司）
本文提出端到端深度强化学习方法，结合课程训练、碰撞片段重放和注意力机制，实现四旋翼集群在障碍环境中的避障导航，并首次实现零样本迁移到真实无人机。
2024-05-06 cs.AI cs.MA cs.RO
Nearest-Neighbor-based Collision Avoidance for Quadrotors via Reinforcement Learning
Technische Universität Darmstadt（达姆施塔特工业大学）
碰撞避免算法是许多无人机应用的核心兴趣。特别是，分散的方法可能是在集中式通信在计算上变得禁止的情况下实现强大的无人机群解决方案的关键。在这项工作中，我们从椋鸟群（Sturnus vulgaris）中汲取生物学灵感，并将其应用于端到端学习分散式避碰。更具体地说，我们提出了一个新的，可扩展的观察模型仿生最近邻信息约束，导致快速学习和良好的碰撞避免行为。通过提出一种通用的强化学习方法，我们获得了一种基于端到端学习的方法，将碰撞避免与任意任务（如包收集和编队更改）相集成。为了验证这种方法的通用性，我们成功地应用我们的方法，通过运动模型的中等复杂性，建模的势头，但允许直接应用到现实世界的四旋翼与标准的PID控制器。与之前的工作相比，我们发现，在我们足够丰富的运动模型中，最近邻信息确实足以学习有效的碰撞避免行为。我们学习的策略在模拟中进行测试，随后转移到现实世界的无人机上，以验证其在现实世界中的适用性。
2022-02-18 cs.AI cs.LG cs.RO
Variational Autoencoders for exteroceptive perception in reinforcement learning-based collision avoidance
NTNU（挪威科技大学）
本文提出利用变分自编码器将高维测距传感器数据压缩为低维潜在编码，作为深度强化学习智能体的外部感知输入，以降低计算资源需求，并在随机仿真环境中验证了其在海上路径跟随与碰撞规避任务中的有效性。
2024-03-31 cs.LG cs.RO
Collision Avoidance in Tightly-Constrained Environments without Coordination: a Hierarchical Control Approach
University of California at Berkeley（加州大学伯克利分校）
我们提出了一种分层控制方法，用于在严格约束的环境中操纵自动驾驶汽车（AV），其中存在其他移动的AV和/或人类驾驶的车辆。提出了一个两级层次结构：一个高层次的数据驱动的策略预测器和一个低层次的基于模型的反馈控制器。策略预测器通过神经网络将动态环境的编码映射到一组高级策略。取决于所选择的策略，一组时变超平面在AV的位置空间在线生成和相应的半空间约束包括在较低级别的基于模型的滚动时域控制器。这些依赖于策略的约束驱使车辆驶向可能保持可行性的区域。此外，预测的策略还通知在离散策略集之间的切换，这允许在预测置信度低时进行更保守的行为。我们证明了所提出的数据驱动的分层控制框架的有效性，在两辆车的碰撞避免的情况下，通过模拟和实验的1/10规模的自主汽车平台上的策略指导的方法优于模型预测控制基线在这两种情况下。
2021-03-18 cs.RO cs.SY eess.SY
Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis
Carnegie Mellon University（卡内基梅隆大学）；Delft University of Technology（代尔夫特理工大学）
本文提出潜在安全过滤器，通过潜在空间可达性分析，使机器人能自动计算安全动作，防止难以手动编写但可通过高维观测识别的故障。
2025-04-30 cs.LG cs.RO
Scalable Multiagent Driving Policies For Reducing Traffic Congestion
University of Texas at Austin（德克萨斯大学奥斯汀分校）；General Motors R&D Labs（通用汽车研发实验室）；Sony AI（索尼人工智能）
交通拥堵是现代城市环境中的主要挑战。自动驾驶和自动驾驶汽车（AV）的全行业发展激发了一个问题，即AV如何有助于减少拥堵。过去的研究表明，在小规模的混合交通场景中，自动驾驶汽车和人类驾驶的车辆，一小部分自动驾驶汽车执行受控的多智能体驾驶策略可以缓解拥堵。在本文中，我们扩大现有的方法，并开发新的多智能体驾驶策略的AV场景具有更大的复杂性。我们首先表明，过去的研究所使用的拥堵指标是可操纵的开放的道路网络的情况下，车辆动态加入和离开道路。然后，我们建议使用一个不同的度量，是强大的操纵，并反映了开放的网络流量效率。接下来，我们提出了一种模块化迁移强化学习方法，并使用它来扩展多智能体驾驶策略，以在模拟的现实场景中超越人类交通和现有方法，这比过去的场景大一个数量级（数百辆而不是数十辆）。此外，我们的模块化迁移学习方法通过将其数据汇集集中在网络中的关键位置，节省了高达80%的训练时间。最后，我们首次展示了一种分布式多智能体策略，它可以改善人为驱动的交通拥堵。分布式方法更加现实和实用，因为它仅依赖于现有的传感和驱动能力，并且不需要添加新的通信基础设施。
2022-07-06 cs.AI cs.SY eess.SY
Adaptive Environment Modeling Based Reinforcement Learning for Collision Avoidance in Complex Scenes
Harbin Institute of Technology（哈尔滨工业大学）；Southern University of Science and Technology（南方科技大学）；The University of Hongkong（香港大学）
拥挤场景中机器人导航避碰的主要挑战在于准确的环境建模、快速感知和可靠的运动规划策略。本文提出了一种新的基于自适应环境模型的避碰强化学习（即，AEMCARL）框架的无人驾驶机器人，以实现无碰撞运动在具有挑战性的导航方案。这项工作的新颖性有三个方面：（1）开发用于环境建模的门控循环单元（GRU）分层网络;（2）开发具有注意力模块的自适应感知机制;（3）开发强化学习（RL）框架的自适应奖励函数，以联合训练环境模型、感知功能和运动规划策略。所提出的方法进行了测试与健身房露台模拟器和一组机器人（哈士奇和海龟）在各种拥挤的场景。仿真和实验结果表明，该方法优于基线方法的性能。
2022-10-27 cs.RO
CoDe: A Cooperative and Decentralized Collision Avoidance Algorithm for Small-Scale UAV Swarms Considering Energy Efficiency
School of Internet of Things, Xi’an Jiaotong-Liverpool University（物联网学院，西安交通大学利物浦大学）
本文提出CoDe算法，通过多智能体强化学习与新颖信用分配方案，解决小规模无人机群在连续动作空间下的协同避障与能效问题，实验证明其优于现有基准。
2025-07-14 cs.MA cs.RO
Grounding Generative Policies in Physics: Optimization-Guided Diffusion for Robot Control
ETH Zurich（苏黎世联邦理工学院）；EPFL（洛桑联邦理工学院）
提出推理时优化框架，通过将扩散引导建模为约束优化问题，在采样中施加物理可行性约束，无需重训练即可提升机器人任务成功率。
2026-06-24 cs.RO
Recovery Control in Replicated Systems through Autonomous Multiagent Rollout
Imperial College（帝国理工学院）；Arizona State University（亚利桑那州立大学）
研究复制计算系统的恢复控制问题，将其建模为多智能体结构的POMDP，利用多智能体展开方法及预计算信令信息近似最优控制策略，实验证明该方法可扩展到70个副本系统并降低成本。
2026-07-14 cs.SY eess.SY
Wasserstein Gradient Flows for Optimizing Gaussian Mixture Policies
Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心（BCAI））
提出将基于GMMs的机器人策略优化转化为Wasserstein梯度流问题，利用$L^2$-Wasserstein距离和Bures-Wasserstein流形约束更新，在避障等任务中提升了成功率与稳定性。
2023-05-17 cs.LG cs.RO
Learning-based Autonomous Oversteer Control and Collision Avoidance
CCS Graduate School of Mobility, Korea Advanced Institute of Science and Technology（移动研究学院、韩国科学技术院）
针对现有自动驾驶过度转向控制依赖专家轨迹、假设无障环境的局限，提出新型混合学习算法QC-SAC，可从次优演示中学习，在湿滑路面突发过度转向且有随机障碍的基准测试中性能超越现有基线，实现首个带避障的安全自主过度转向控制。
2025-05-21 cs.AI cs.LG cs.RO
Safe-To-Explore State Spaces: Ensuring Safe Exploration in Policy Search with Hierarchical Task Optimization
Aalto University（阿尔托大学）；Örebro University（厄勒布鲁大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
策略搜索强化学习允许机器人自己获得技能。然而，学习过程本质上是不安全的，因为机器人没有先验的方法来预测它所采取的探索性动作的后果。因此，探索可能会导致碰撞，可能会损害机器人和/或环境。在这项工作中，我们解决了安全方面的限制发生在安全探索状态空间的探索。这些是通过分解目标技能（例如，抓取）到更高等级的子任务（例如，碰撞避免，关节限制避免）和较低等级的移动任务（例如，到达）。子任务被定义为并发控制器（政策）在不同的操作空间，连同相关的雅可比矩阵表示他们的联合空间映射。通过仅在较高排名的冗余零空间中学习对应于较低排名的子任务的策略来确保安全性。作为附带的好处，在状态空间的子流形中的学习也促进了样本效率。达到在模拟和抓取技能进行一个真正的机器人验证所提出的方法的实用性。
2018-10-08 cs.RO
Spacecraft Autonomous Decision-Planning for Collision Avoidance: a Reinforcement Learning Approach
CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工-高等电力学院）；Laboratoire Génie Industriel, CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工-高等电力学院工业工程实验室）
本文针对日益拥挤的空间环境，提出基于部分可观测马尔可夫决策过程和强化学习的航天器自主避撞决策方法，使航天器无需人工干预即可学习随机策略并执行精确避撞机动，从而实现更快响应和高度分散化操作。
2023-10-29 cs.AI cs.CV cs.RO
Learning Multi-Agent Local Collision-Avoidance for Collaborative Carrying tasks with Coupled Quadrupedal Robots
Robotic Systems Lab, ETH Zurich（埃因斯坦理工大学机器人系统实验室）
本文提出基于强化学习的策略，使两台连接物体的四足机器人在未知环境中自主避障，无需预设路径或地图。
2026-03-24 cs.RO
Collision Avoidance and Liveness of Multi-agent Systems with CBF-based Controllers
在本文中，我们考虑使用控制障碍函数（CBF）避免碰撞的多智能体导航。在非通信代理的情况下，我们考虑安全保证水平和活性之间的权衡-在短时间内到达目的地而不需要大的弯路或交通堵塞的能力。我们比较了几个CBF为基础的驾驶政策对基准建立的集中式控制器，需要通信。正在比较的策略之一（CCS 2）是新的，并且跨越了仅可用本地控制的策略与更复杂的预测-校正冲突避免（PCCA）策略之间的空间，该PCCA策略基于观察到的行为调整每个人的控制动作的本地副本。本文为集中式、PCCA和CCS2策略建立了可行性。蒙特卡洛模拟表明，分散的，只有主机的控制策略相比，在计算中使用所有的控制输入，PCCA政策表现同样好，集中式相比，缺乏活性，即使它是分散的。
2020-12-18 cs.SY eess.SY
Policy Gradient With Value Function Approximation For Collective Multiagent Planning
School of Information Systems（信息系统学院）；Singapore Management University（新加坡管理大学）
本文提出一种改进的actor-critic方法，用于优化集体决策多智能体规划问题，通过分解近似动作价值函数提升收敛速度，并在合成任务和出租车车队优化中验证了方法的有效性。
2018-04-09 cs.AI cs.LG cs.MA
Multiagent Value Iteration Algorithms in Dynamic Programming and Reinforcement Learning
MIT（麻省理工学院）；ASU（亚利桑那州立大学）
我们认为无限的地平线动态规划问题，在每个阶段的控制由几个不同的决定，每一个由几个代理之一。在早期的工作中，我们介绍了一个政策迭代算法，其中的政策改进是一个代理在给定的时间顺序，知识的选择，在前面的代理的顺序。因此，每个策略改进的计算量随着代理的数量线性增长，而不是标准的所有代理一次方法的指数增长。对于有限状态贴现问题的情况下，我们证明了收敛到代理的代理最优策略。在本文中，这一结果被扩展到值迭代和乐观版本的政策迭代，以及更一般的DP问题的Bellman算子是一个压缩映射，如随机最短路问题与所有的政策是适当的。
2020-05-04 cs.AI cs.LG cs.MA
X-Safe: Embodiment-Agnostic Safeguarding for Robot Arm Manipulation Policies via Action Masking
University of California, Berkeley（加州大学伯克利分校）
提出X-Safe方法，在机器人配置空间中直接推理，提供碰撞避免的形式化概率保证，无需额外数据或工程适配即可跨实体迁移。
2026-10-15 cs.LG cs.RO cs.SY
Formal Specification of Continuum Deformation Coordination
连续体变形是一种领导者-跟随者多智能体协作控制方法。以前的工作表明，所需的连续变形可以唯一地定义基于d +1领导者在d维运动空间中的轨迹，并通过本地智能体间通信的追随者获得。本文正式规定了连续变形协调在一个充满障碍物的环境。使用线性时序逻辑（LTL），连续变形的活性和安全性要求的定义。通过提供关于（i）代理偏离界限、（ii）代理间碰撞避免、（iii）代理遏制、（iv）运动空间遏制和（v）障碍物碰撞避免的条件来规定安全性。活性指定所需最终形成的可达性条件。
2019-07-26 cs.SY eess.SY
Multi-agent systems with CBF-based controllers -- collision avoidance and liveness from instability
保证系统稳定性通常是主要的控制设计目标。在本文中，我们提出了一个系统，不稳定性提供了一个至关重要的好处。我们考虑使用控制障碍函数（CBF）的多智能体碰撞避免和研究安全性和活性之间的权衡-没有大的弯路或交通堵塞到达目的地的能力。我们比较了两个标准的分散政策，只有本地（主机）控制可用，共同优化的政策（PCCA和CCS），每个人的（虚拟）控制动作可用。协同优化策略计算每个人的控制权，即使他们缺乏关于其他人意图的信息。为了进行比较，我们使用集中式的完整信息策略作为基准。本文的一个贡献是证明了集中式，PCCA和CCS策略的可行性。Monte Carlo模拟表明，分散的，只有主机的控制策略和CCS缺乏活跃性，而PCCA策略执行以及集中。接下来，我们解释了观察到的结果，考虑两个代理商谈判通过一个路口的顺序。我们发现，所产生的均衡的结构和稳定性与观察到的倾向，以僵局-不稳定的均衡政策避免僵局，而那些稳定的不。
2022-07-11 cs.SY eess.SY
Learning Nash Equilibrial Hamiltonian for Two-Player Collision-Avoiding Interactions
School of Engineering, Matter, Transport, and Energy, Arizona State University（亚利桑那州立大学工程、物质、运输与能源学院）；School of Manufacturing Systems and Networks, Arizona State University（亚利桑那州立大学制造系统与网络学院）
针对双人避碰交互纳什均衡策略学习数据效率低的问题，提出利用线性动力学下均衡协态的简单结构结合理论驱动的主动学习方法，在相同数据预算下实现了更优的策略泛化性与更低的碰撞概率。
2025-03-19 cs.GT cs.LG cs.RO
Chance-Constrained Belief-Space Maneuver Planning for Autonomous Collision Avoidance Under Uncertainty
Stanford University（斯坦福大学）
针对近地轨道交会不确定性，提出机会约束信念空间蒙特卡洛树搜索规划器，权衡等待跟踪信息与机动干预，在NASA数据集上验证，表明跟踪质量与频率决定干预时机。
2026-09-15 cs.AI cs.RO
Are Multiagent Systems Resilient to Communication Failures?
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Numerica Corporation（Numerica公司）
本文研究多智能体系统在通信故障下的鲁棒性，提出新的策略以应对信息丢失，并发现即使单个智能体与弱耦合智能体通信失效，也可能导致系统状态恶化，但问题的结构限制了通信故障的影响。
2017-10-23 cs.GT cs.MA cs.SY
Training Observable Control Policies to Expose Agent State Through Actions
Department of Aerospace and Mechanical Engineering（航空航天与机械工程系）
本文研究在通信受限下，通过强化学习训练智能体策略，使其动作更易用于状态估计，并在飞机跟踪问题中验证了可观测性提升对任务性能影响极小。
2026-06-29 cs.LG cs.SY eess.SY
Policy Improvement From Private Information For Decentralized LQG Teams
Cornell University（康奈尔大学）
针对带延迟信息的去中心化LQG团队问题，本文提出基于私有信息增益梯度下降的线性策略优化算法，通过实例验证了该算法可实现策略改进。
2026-10-14 cs.SY eess.SY
Flocking and Collision Avoidance for a Dynamic Squad of Fixed-Wing UAVs Using Deep Reinforcement Learning
College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学与技术学院）
由于运动学的复杂性和环境的不确定性，为固定翼无人机的动态编队开发群集行为仍然是一个挑战。在本文中，我们通过深度强化学习（DRL）来处理分散群集和碰撞避免问题。具体来说，我们制定了一个分散的DRL为基础的决策框架，从每个追随者的角度来看，碰撞避免机制集成到群集控制器。然后，我们提出了一种新的强化学习算法PS-CACER训练共享的控制策略的所有追随者。此外，我们设计了一个基于卷积神经网络和注意力机制的即插即用嵌入模块。因此，可变长度的系统状态可以被编码成一个固定长度的嵌入向量，这使得学习的DRL策略与跟随者的数量和顺序无关。最后，数值仿真结果验证了该方法的有效性，并且学习到的策略可以直接转化为半物理仿真，无需任何参数微调。
2021-07-22 cs.AI cs.LG cs.MA
Motion Feasibility Conditions for Multi-Agent Control Systems on Lie Groups
Instituto de Ciencias Matemáticas (CSIC-UAM-UCM-UC3M)（数学科学研究所）；KTH, Royal Institute of Technology（皇家理工学院）
本文研究了在李群上具有碰撞避免约束的多智能体控制系统运动可行性问题，通过运动学左不变控制系统和由左平凡化拉格朗日函数给出的动力学控制系统，提出了一种基于变分 calculus 的方法来获得运动可行性条件。
2019-06-18 cs.MA cs.SY eess.SY
SACA: A Scenario-Aware Collision Avoidance Framework for Autonomous Vehicles Integrating LLMs-Driven Reasoning
Tsinghua University（清华大学）；University of Michigan（密歇根大学）；University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Beijing Institute of Technology（北京理工大学）
针对极端场景下自动驾驶避撞难题，本文提出SACA框架，融合场景预测分析、LLM数据驱动在线推理与离线记忆评估，并通过预计算策略提升部署性能。
2025-06-11 cs.RO cs.SY eess.SY
PAC-Bayes Control: Learning Policies that Provably Generalize to Novel Environments
Department of Mechanical and Aerospace Engineering（1,2 机械与航空航天工程系）；Department of Computer Science Princeton University（3 计算机科学系 纽约大学普林斯顿分校）
本文提出了一种基于PAC-Bayes框架的机器人策略学习方法，通过在新环境中泛化能力的理论分析，为机器人系统提供强泛化保证。
2020-08-25 cs.AI cs.LG cs.RO
Compositional Policy Learning in Stochastic Control Systems with Formal Guarantees
Institute of Science and Technology Austria (ISTA)（奥地利科学技术研究所（ISTA））；Massachusetts Institute of Technology（麻省理工学院）；The Pennsylvania State University（宾夕法尼亚州立大学）
本文提出在随机环境中学习神经网络策略组合并利用可达-避障上鞅提供形式化概率保证的方法，通过更紧的概率下界支持复杂任务，并在随机九房间环境中验证了有效性。
2023-12-03 cs.LG cs.SY eess.SY
Learning Control Policies for Stochastic Systems with Reach-avoid Guarantees
Institute of Science and Technology Austria (ISTA)（奥地利科学技术研究所（ISTA））；Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT））
研究了离散非线性随机动力系统的学习控制问题。这项工作提出了第一种方法，提供正式的达到避免保证，结合和推广的稳定性和安全性保证，在无限的时间范围内的一个可容忍的概率阈值$p\in[0,1]$。我们的方法利用了机器学习文献的进步，它将正式证书表示为神经网络。特别是，我们学习了一个证书的形式达到避免上鞅（RASM），一个新的概念，我们在这项工作中介绍。我们的RASM提供可达性和避免保证施加约束，可以被看作是一个随机扩展的确定性系统的水平集的李雅普诺夫函数。我们的方法解决了几个重要的问题-它可以用于从头开始学习控制策略，验证固定控制策略的达到避免规范，或者如果不满足达到避免规范，则微调预训练的策略。我们验证了我们的方法在$3$随机非线性强化学习任务。
2022-11-29 cs.AI cs.LG cs.SY
DRIP: Domain Refinement Iteration with Polytopes for Backward Reachability Analysis of Neural Feedback Loops
Google Research（谷歌研究院）；Northeastern University（东北大学）；DeepMind（深度思维）
数据驱动控制技术的安全认证仍然是一个主要的开放问题。这项工作研究向后可达性作为一个框架，为神经网络（NN）政策控制的系统提供避免碰撞的保证。因为NN通常是不可逆的，所以现有方法保守地假设在其上放松NN的域，这导致可能导致系统进入障碍的状态集合的松散过度近似（即，反向投影（BP）集）。为了解决这个问题，我们引入了DRIP，一种在松弛域上具有细化循环的算法，该算法大大收紧了BP集的界限。此外，我们引入了一个公式，使直接获得封闭形式的表示多面体绑定的BP集比以前的工作，这需要解决线性规划和使用超矩形更紧密。此外，这项工作扩展了神经网络松弛算法来处理多面体域，这进一步收紧了BP集的界限。DRIP在控制系统上的数值实验中得到了证明，包括由学习的NN避障策略控制的地面机器人。
2023-03-17 cs.LG cs.SY eess.SY
MAMPS: Safe Multi-Agent Reinforcement Learning via Model Predictive Shielding
University of Pennsylvania（宾夕法尼亚大学）
强化学习是一种很有前途的方法来学习控制策略，以执行复杂的多智能体机器人任务。然而，在模拟中学习的策略往往无法保证甚至简单的安全属性，例如避障。为了确保安全性，我们提出了多智能体模型预测屏蔽（MAMPS），这是一种可证明地保证任意学习策略安全的算法。特别是，它通过尽可能频繁地使用学习策略来操作，但是在不能保证学习策略的安全性的情况下使用备份策略。使用多代理仿真环境，我们展示了如何MAMPS可以实现良好的性能，同时确保安全。
2019-12-28 cs.AI cs.MA cs.RO
