PulseAugur
中
实时 06:32:50
English(EN) Curriculum-Adapted Robust Reinforcement Learning for UAV Deconfliction in Adversarial Environments

新的强化学习框架提升无人机防御欺骗攻击能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的课程引导适应框架，用于自主无人机中的强化学习（RL）。该方法旨在提高无人机导航在对抗性攻击（如可能破坏值估计和降低性能的GNSS欺骗）下的鲁棒性。通过逐步将强化学习策略暴露于不同强度的对抗性扰动，并对时序差分误差分布进行对齐，该框架提高了在不同攻击条件下的可迁移性。在模拟无人机冲突避免环境中的评估表明，与标准和现有的鲁棒强化学习基线相比，即使面对先前未见的攻击类型，任务成功率和奖励也得到了显著提高。 AI

影响 增强了无人机对抗网络攻击的韧性，可能提高关键基础设施和国防应用中的安全性和可靠性。

排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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]

  1. arXiv cs.AI TIER_1 English(EN) · Deepak Kumar Panda, Adolfo Perrusquia, Weisi Guo ·

    面向对抗环境下的无人机冲突消解的课程自适应鲁棒强化学习

    arXiv:2506.21129v2 Announce Type: replace-cross Abstract: Autonomous unmanned aerial vehicles (UAVs) increasingly rely on reinforcement learning (RL) for navigation. However, global navigation satellite system (GNSS) spoofing attacks can induce out-of-distribution observation shi…

相关实体

相关话题