इस पत्र में, हम ऑफ़लाइन सुदृढीकरण अधिगम में अवस्था वितरण परिवर्तन समस्या को हल करने के लिए एक नवीन विधि, घनत्व-जागरूक सुरक्षा बोध (DASP) प्रस्तावित करते हैं। DASP एजेंटों को उन क्रियाओं को प्राथमिकता देने के लिए प्रोत्साहित करता है जिनसे उच्च डेटा घनत्व वाले परिणाम प्राप्त होते हैं, और वितरण के (सुरक्षित) क्षेत्र में या उसके भीतर वापस लौटते हैं। इसके लिए, हम एक परिवर्तनशील ढाँचे के भीतर उद्देश्य फलन का अनुकूलन करते हैं जो किसी निर्णय के संभावित परिणामों और उनके घनत्व पर एक साथ विचार करता है, जिससे सुरक्षित निर्णय लेने के लिए महत्वपूर्ण संदर्भ जानकारी मिलती है। हम MuJoCo और AntMaze ऑफ़लाइन वातावरणों में व्यापक प्रयोगों के माध्यम से प्रस्तावित विधि की प्रभावशीलता और व्यवहार्यता की पुष्टि करते हैं।
