FAITH：面向高维系统的可行性感知安全强化学习框架

FAITH 是一个无模型的安全强化学习框架，用前馈网络近似最优状态-动作安全值，把最小干预滤波摊销到网络中，避免任务目标和安全项在同一目标函数里互相竞争。在 29 自由度人形机器人上，FAITH 在 Walking-Avoid 任务达到 99.95% 的安全率，同时保留未滤波策略 97% 的回报，并在 Push-Avoid 中取得最高的实测安全率。当没有动作满足学到的安全条件时，该滤波器会靠近预测峰值伤害最小的动作。同一策略也已在真实的 Unitree G1 人形机器人上验证，在双积分器示例和 Safety Gym 环境中实现无可行起点违规下的最高回报。