MSACL：基于李雅普诺夫证书的强化学习，用于稳定控制

本文解决了在无模型强化学习中确保可证明稳定性的关键挑战，这是将RL应用于现实世界控制问题的一个重大障碍。MSACL的引入，它结合了指数稳定性理论和最大熵RL，为实现这一目标提供了一种新颖的方法。使用多步李雅普诺夫证书学习和稳定性感知优势函数尤其值得注意。本文侧重于离策略学习和对不确定性的鲁棒性，进一步增强了其现实意义。公开可用的代码和基准的承诺增加了这项研究的影响。

• •提出了MSACL，这是一个用于在基于RL的控制中实现可证明稳定性的新框架。
• •将指数稳定性理论与最大熵RL相结合。
• •利用多步李雅普诺夫证书学习来保证稳定性。
• •展示了优于现有基于李雅普诺夫的RL算法的性能。
• •提供了对不确定性的鲁棒性和泛化能力。