English(EN) Adversarial observations in probabilistic State-Space Models for robust Reinforcement Learning

新研究探讨用于鲁棒强化学习的状态空间模型的对抗性攻击

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-18 19:15

一篇新的研究论文探讨了对抗性攻击如何影响强化学习中使用的概率状态空间模型（SSM）。该研究分析了攻击者如何在似然约束下改变观测值以影响潜在状态和策略决策。这项研究旨在开发更鲁棒的强化学习系统，特别适用于机器人等安全关键型应用，在这些应用中，在各种不利条件下可靠运行至关重要。 AI

影响这项研究通过改进强化学习代理处理不确定或被操纵的传感器数据的方式，有望在机器人等关键领域实现更具弹性的AI系统。

排序理由该集群包含一篇详细介绍新研究论文的arXiv预印本。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · D. Ríos Insua · 2026-06-18 19:15

用于鲁棒强化学习的概率状态空间模型中的对抗性观测

Decision-making under partial or adversarial observability requires accurate inference of the environment's latent state and its associated uncertainty. This work analyses adversarial attacks on linear probabilistic state-space models, commonly integrated within reinforcement lea…