在傳統安全強化學習中，研究者通常關注智慧體“如何”執行動作以滿足安全約束。然而，一篇由Adam Haroon等人提交至arXiv的新論文提出了一個根本性的問題轉變：“何時”智慧體才需要採取行動？作者證明，透過結合點態Lyapunov安全防護與執行時保障（RTA）層，單一策略可以同時學習最優控制輸入和通訊高效的時序決策。
該方法專注於已知平衡點附近的穩定化控制問題。在該設定下，基於CARE（Control Authority Restoration and Enforcement）的LQR備份、Lyapunov證書以及經典的Lyapunov-STC（Self-Triggered Control）均有嚴格定義，從而能夠與理論分析基線進行清晰對比。RTA層透過一步前向Lyapunov預測和預計算的LQR備份來覆蓋學習策略，提供比僅保證期望安全的約束MDP更強的安全保障。
實驗在三個典型動力系統上展開：倒立擺、小車-杆和平面四旋翼飛行器。學習策略的平均取樣間隔（MSI）分別比Lyapunov觸發基線高出1.91倍、1.45倍和3.51倍。值得注意的是，以相同平均取樣率執行的固定LQR控制器在所有三個系統中均不穩定，這一結果有力地表明：實現安全稀疏控制的關鍵在於自適應時序，而非簡單地降低平均取樣率。
透過CARE匯出的Lyapunov獎勵函式無需重新設計即可在不同環境間遷移，單個權重w_c即可控制穩定性與通訊效率之間的權衡。消融實驗證實了RTA防護的必要性：去除RTA後MSI降低1.27–1.84倍，且狀態範數顯著惡化。進一步，研究者引入偏好條件擴充套件，使得單個模型能夠以僅2/11的訓練計算量重建完整的權衡前沿。SAC實驗表明，該結果在離散和連續動作空間中均具有演算法無關性。
最後，論文透過一個12狀態的3D四旋翼飛行器案例研究，將框架擴充套件至經典STC難以處理的高維繫統。實驗表明該方法對±30%的質量變化和外部擾動表現出優雅退化行為——當學習策略無法應對時，RTA層能夠有效吸收風險。這項研究為通訊受限環境下的安全控制提供了全新的理論框架與實用工具。