Diplomová práce
Získaná ocenění: Cena děkana FI za vynikající závěrečnou práci

Pareto Frontier Estimation in Offline Safe Reinforcement Learning

Bc. Václav Nevyhoštěný
Anotace

Tato diplomová práce zkoumá offline bezpečné posilované učení (OSRL), kde se agenti musí ze fixních datasetů naučit efektivní rozhodovací strategie a současně dodržet bezpečnostní požadavky. Práce obsahuje přehled existujících přístupů a zdůrazňuje jejich limitace při vyvažování maximalizace odměny a striktního dodržování bezpečnostních požadavků. Následně představujeme Pareto-regularizovaný decision …více

Abstract

This thesis investigates offline safe reinforcement learning (OSRL), where agents must learn effective decision-making policies from fixed datasets while satisfying safety constraints. We review existing approaches and highlight fundamental limitations in their ability to balance reward maximization with strict constraint satisfaction. To address these shortcomings, we introduce the Pareto-regularized …více

Klíčová slova
reinforcement learning safe reinforcement learning offline reinforcement learning CMDP Pareto Frontier decision transformer machine learning deep learning
Zadání práce
The overall aim of the thesis is to investigate whether estimation of full reward-cost Pareto frontier together with its appropriate integration into the training process can improve the performance of a state-of-the-art offline safe reinforcement learning (OSRL) algorithm. To this end, the student will pick a suitable algorithmic baseline (with a proper justification of its choice), propose an integration of Pareto front estimation into the chosen baseline and perform a thorough experimental evaluation of the newly proposed algorithm. The text part of the thesis will contain a brief description of the chosen baseline as well as more detailed explanation of the proposed modification. Thorough presentation and discussion of the experiments will be also included.
Administrativní informace
Práce zkontrolována:
17. 12. 2025 10:56, doc. RNDr. Petr Novotný, Ph.D., učo 172743
Plný text práce
2,6 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
2. 2. 2026
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Petr Novotný, Ph.D., učo 172743
KTP FI MU

Oponent

doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
KSUZD FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Diskrétní algoritmy a modely

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.