En este artículo, proponemos un método novedoso, la Percepción de Seguridad Consciente de la Densidad (DASP), para resolver el problema del cambio de distribución de estados en el aprendizaje de refuerzo offline. DASP incentiva a los agentes a priorizar acciones que generan resultados con alta densidad de datos y a regresar a la región (segura) de la distribución. Para ello, optimizamos la función objetivo dentro de un marco variacional que considera simultáneamente los resultados potenciales de una decisión y su densidad, proporcionando información contextual importante para una toma de decisiones segura. Verificamos la eficacia y viabilidad del método propuesto mediante experimentos exhaustivos en entornos offline de MuJoCo y AntMaze.
