FAITH
一种无模型的安全强化学习框架，通过近似状态-动作安全价值并摊销最小干预过滤过程，将安全约束与任务策略解耦，支持无安全动作时的可行性感知降级。
时间轴 (近 90 天)
FAITH 是一个无模型的安全强化学习框架，它近似最优状态-动作安全价值，并用前馈网络摊销最小干预过滤过程。
FAITH 在无安全动作满足时，过滤器选择预测峰值伤害最小的动作作为降级策略。
在双积分器示例和 Safety Gym 环境中，FAITH 在无可行起点违规的方法里取得最高回报，同时在不可行起点下匹配了最低伤害水平。
在 29 自由度人形系统上，FAITH 在 Walking-Avoid 任务中达到 99.95% 安全率，同时保留未过滤回报的 97%。
在 Push-Avoid 任务中，FAITH 取得最高实测安全率，并学会了牺牲平衡、朝远离受保护区域的方向摔倒。
FAITH 的策略被部署到真实世界的 Unitree G1 人形机器人上进行演示。
FAITH 的精度受离线数据覆盖与泛化能力限制，且安全价值近似误差在高维状态下的分布并不清楚。
FAITH 无安全动作时的峰值伤害最小化是一种启发式补救，其理论保证论文摘要未展开。
全部知识事实 (8)
FAITH 无安全动作时的峰值伤害最小化是一种启发式补救，其理论保证论文摘要未展开。
50%待验证FAITH 在无安全动作满足时，过滤器选择预测峰值伤害最小的动作作为降级策略。
50%待验证在双积分器示例和 Safety Gym 环境中，FAITH 在无可行起点违规的方法里取得最高回报，同时在不可行起点下匹配了最低伤害水平。
50%待验证在 29 自由度人形系统上，FAITH 在 Walking-Avoid 任务中达到 99.95% 安全率，同时保留未过滤回报的 97%。
50%待验证在 Push-Avoid 任务中，FAITH 取得最高实测安全率，并学会了牺牲平衡、朝远离受保护区域的方向摔倒。
50%待验证FAITH 是一个无模型的安全强化学习框架，它近似最优状态-动作安全价值，并用前馈网络摊销最小干预过滤过程。
50%待验证FAITH 的精度受离线数据覆盖与泛化能力限制，且安全价值近似误差在高维状态下的分布并不清楚。
50%待验证FAITH 的策略被部署到真实世界的 Unitree G1 人形机器人上进行演示。
50%