FAITH: 고차원 시스템을 위한 실현 가능성 인식 안전 필터링 강화학습 (RL)

요약

FAITH는 고차원 시스템의 안전 강화학습(RL) 문제를 해결하기 위해 실현 가능성 인식 모델 프리 프레임워크를 제안합니다. 기존 필터링 방식의 근시안적 한계를 극복하고, 과제 정책 업데이트에 상충되는 안전 항 없이 실현 가능한 제약 문제로 최적화합니다. 이 방법은 다양한 시뮬레이션 및 실제 휴머노이드 환경에서 높은 안전성과 성능을 입증했습니다.

핵심 포인트

• FAITH는 모델 프리 프레임워크를 사용하여 실현 가능성 인식을 강화합니다.
• 기존 필터링 방식의 근시안적 한계를 극복하고 장기적인 과제 반환에 최적화됩니다.
• 상충되는 안전 항 없이 실현 가능한 제약 문제로 RL을 복구하여 안정성을 높입니다.
• 29 DoF 휴머노이드 환경에서 높은 안전율과 성능 보존 능력을 입증했습니다.