PulseAugur
中
实时 10:03:30
实体 Adversarial Reinforcement Learning for Robust Planetary Landing

Adversarial Reinforcement Learning for Robust Planetary Landing

PulseAugur coverage of Adversarial Reinforcement Learning for Robust Planetary Landing — every cluster mentioning Adversarial Reinforcement Learning for Robust Planetary Landing across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_301160 ·

    Adversarial RL enhances planetary landing control robustness

    研究人员开发了一种对抗性强化学习方法,以增强航空航天控制任务(如行星着陆)的深度强化学习(DRL)策略的鲁棒性。该方法涉及一个次级代理,该代理生成物理约束的、具有挑战性的非标称条件,从而创建一个不对称的序贯零和博弈。初步实验表明,这些对抗性干扰可以揭示传统随机化方法所忽略的漏洞,预示着未来应用中鲁棒性和泛化能力的提高。