提出对抗强化学习发现行星着陆控制器漏洞

Miguel Leiva-Vélez 等人在 arXiv 提出用对抗强化学习测试行星着陆控制器的鲁棒性：一个次级智能体生成物理受限的扰动来劣化着陆控制器表现，与控制器构成非对称序贯零和博弈，训练分基线学习、随机扰动鲁棒性增强、对抗交替优化三阶段。 在三自由度着陆环境的初步实验中，对抗扰动揭示了常规随机化遗漏的漏洞。作者称，更充分的训练有望提升控制器在未见扰动下的鲁棒性与泛化能力，目前仅为初步迹象。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。