状态：存档（代码按原样提供，预计不会更新） 安全启动代理 论文“在深度强化学习中对安全探索进行基准测试”的配套回购，其中包含各种不受约束和受约束的RL算法。 此存储库包含用于在“基准安全勘探”论文中获得结果的PPO，TRPO，PPO-Lagrangian，TRPO-Lagrangian和CPO的实现，以及本文中未使用的SAC和SAC-Lagrangian的实验性实现。 请注意，此处的PPO实现遵循的是而不是的约定：它们使用早期停止技巧，省略观察和奖励归一化，并且不使用限幅值损失以及其他可能的