Buchumschlag

Robust Deep Reinforcement Learning with Adaptive Adversarial Perturbations in Action Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Qianmei, Kuang, Yufei, Wang, Jie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Robust Deep Reinforcement Learning against Environmental State Perturbation
von: Wang, Chenxu, et al.
Veröffentlicht: (2025)

Mitigating Adversarial Perturbations for Deep Reinforcement Learning via Vector Quantization
von: Luu, Tung M., et al.
Veröffentlicht: (2024)

Diffusion Guided Adversarial State Perturbations in Reinforcement Learning
von: Sun, Xiaolin, et al.
Veröffentlicht: (2025)

UACER: An Uncertainty-Adaptive Critic Ensemble Framework for Robust Adversarial Reinforcement Learning
von: Wu, Jiaxi, et al.
Veröffentlicht: (2025)

Robust Deep Reinforcement Learning against Adversarial Behavior Manipulation
von: Yamabe, Shojiro, et al.
Veröffentlicht: (2024)

Unifying Adversarial Perturbation for Graph Neural Networks
von: Yang, Jinluan, et al.
Veröffentlicht: (2025)

Exploring Adversarial Robustness of Deep State Space Models
von: Qi, Biqing, et al.
Veröffentlicht: (2024)

Robust Deep Reinforcement Learning Through Adversarial Attacks and Training : A Survey
von: Schott, Lucas, et al.
Veröffentlicht: (2024)

A Dual-Agent Adversarial Framework for Robust Generalization in Deep Reinforcement Learning
von: Xie, Zhengpeng, et al.
Veröffentlicht: (2025)

Adversarial Diffusion for Robust Reinforcement Learning
von: Foffano, Daniele, et al.
Veröffentlicht: (2025)

Adaptive Action Duration with Contextual Bandits for Deep Reinforcement Learning in Dynamic Environments
von: Verma, Abhishek, et al.
Veröffentlicht: (2025)

Algorithms for Adversarially Robust Deep Learning
von: Robey, Alexander
Veröffentlicht: (2025)

How Worst-Case Are Adversarial Attacks? Linking Adversarial and Perturbation Robustness
von: Rossolini, Giulio
Veröffentlicht: (2026)

Neuro-symbolic Action Masking for Deep Reinforcement Learning
von: Han, Shuai, et al.
Veröffentlicht: (2026)

Game-Theoretic Robust Reinforcement Learning Handles Temporally-Coupled Perturbations
von: Liang, Yongyuan, et al.
Veröffentlicht: (2023)

In-Context Reinforcement Learning for Variable Action Spaces
von: Sinii, Viacheslav, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning with Task-Adaptive Retrieval via Hypernetwork
von: Jin, Yonggang, et al.
Veröffentlicht: (2023)

Sim2Act: Robust Simulation-to-Decision Learning via Adversarial Calibration and Group-Relative Perturbation
von: Cao, Hongyu, et al.
Veröffentlicht: (2026)

Robust Deep Reinforcement Learning in Robotics via Adaptive Gradient-Masked Adversarial Attacks
von: Zhang, Zongyuan, et al.
Veröffentlicht: (2025)

Optimal Transport Perturbations for Safe Reinforcement Learning with Robustness Guarantees
von: Queeney, James, et al.
Veröffentlicht: (2023)

CAPSULE: Control-Theoretic Action Perturbations for Safe Uncertainty-Aware Reinforcement Learning
von: Narava, Rahul, et al.
Veröffentlicht: (2026)

Action-Adaptive Continual Learning: Enabling Policy Generalization under Dynamic Action Spaces
von: Pan, Chaofan, et al.
Veröffentlicht: (2025)

Towards Adversarially Robust Deep Metric Learning
von: Ke, Xiaopeng
Veröffentlicht: (2025)

Model-based Reinforcement Learning for Parameterized Action Spaces
von: Zhang, Renhao, et al.
Veröffentlicht: (2024)

On the Geometry of Reinforcement Learning in Continuous State and Action Spaces
von: Tiwari, Saket, et al.
Veröffentlicht: (2022)

Deep Reinforcement Learning in Parameterized Action Space
von: Hausknecht, Matthew, et al.
Veröffentlicht: (2015)

Adaptive Learning of the Latent Space of Wasserstein Generative Adversarial Networks
von: Qiu, Yixuan, et al.
Veröffentlicht: (2024)

Dynamic Adversarial Reinforcement Learning for Robust Multimodal Large Language Models
von: Bao, Yicheng, et al.
Veröffentlicht: (2026)

Robust Model-Based Reinforcement Learning with an Adversarial Auxiliary Model
von: Herremans, Siemen, et al.
Veröffentlicht: (2024)

Geometry of Neural Reinforcement Learning in Continuous State and Action Spaces
von: Tiwari, Saket, et al.
Veröffentlicht: (2025)

State-Aware Perturbation Optimization for Robust Deep Reinforcement Learning
von: Zhang, Zongyuan, et al.
Veröffentlicht: (2025)

DiffTORI: Differentiable Trajectory Optimization for Deep Reinforcement and Imitation Learning
von: Wan, Weikang, et al.
Veröffentlicht: (2024)

Discretizing Continuous Action Space with Unimodal Probability Distributions for On-Policy Reinforcement Learning
von: Zhu, Yuanyang, et al.
Veröffentlicht: (2024)

Certified Robustness against Sparse Adversarial Perturbations via Data Localization
von: Pal, Ambar, et al.
Veröffentlicht: (2024)

Perturbing the Phase: Analyzing Adversarial Robustness of Complex-Valued Neural Networks
von: Eilers, Florian, et al.
Veröffentlicht: (2026)

Enhancing Adversarial Robustness of Deep Neural Networks Through Supervised Contrastive Learning
von: Wang, Longwei, et al.
Veröffentlicht: (2024)

Validation, Robustness, and Accuracy of Perturbation-Based Sensitivity Analysis Methods for Time-Series Deep Learning Models
von: Wang, Zhengguang
Veröffentlicht: (2024)

Adaptive Data Exploitation in Deep Reinforcement Learning
von: Yuan, Mingqi, et al.
Veröffentlicht: (2025)

State-Novelty Guided Action Persistence in Deep Reinforcement Learning
von: Hu, Jianshu, et al.
Veröffentlicht: (2024)

Robust off-policy Reinforcement Learning via Soft Constrained Adversary
von: Nakanishi, Kosuke, et al.
Veröffentlicht: (2024)