提出课程自适应鲁棒强化学习框架

2026年10月15日，arXiv Artificial Intelligence 刊出研究，作者 Deepak Kumar Panda、Adolfo Perrusquia、Weisi Guo 提出一种课程引导的自适应框架，用于应对对抗环境下的无人机冲突消解。该框架逐步向鲁棒策略施加强度递增的基于梯度的对抗观测扰动，并对齐各课程阶段的时序差分（TD）误差分布，以提升无人机在 GNSS 欺骗攻击下的鲁棒性。报道称，在含动态 3D 障碍的无人机冲突消解环境中，课程自适应策略在固定欺骗下取得约 99–100% 的任务成功率，而最优鲁棒基线仅为 20–24%；在动态障碍诱骗下，该策略取得最高回合奖励，任务完成步数中位数最多减少 22%。上述结果均来自该报道所述实验设置，尚待进一步验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。