Tairan Huang

新的SEBA框架实现了对视觉强化学习的样本高效黑盒攻击

研究人员开发了SEBA，一个旨在高效发起针对视觉强化学习智能体的黑盒对抗性攻击的新框架。该方法整合了一个影子Q模型来估计对抗条件下的奖励，一个生成对抗网络来创建不易察觉的扰动，以及一个世界模型来最小化真实世界查询。SEBA在MuJoCo和Atari等基准测试中，通过减少累积奖励和保持视觉保真度方面取得了显著成功，同时比以前的方法需要更少的环境交互。