Buchumschlag

Diffusion Guided Adversarial State Perturbations in Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Xiaolin, Liu, Feidi, Ding, Zhengming, Zheng, ZiZhan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Safe Offline Reinforcement Learning with Feasibility-Guided Diffusion Model
von: Zheng, Yinan, et al.
Veröffentlicht: (2024)

Robust Deep Reinforcement Learning with Adaptive Adversarial Perturbations in Action Space
von: Liu, Qianmei, et al.
Veröffentlicht: (2024)

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

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

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

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

Belief-Enriched Pessimistic Q-Learning against Adversarial State Perturbations
von: Sun, Xiaolin, et al.
Veröffentlicht: (2024)

Stabilizing Reinforcement Learning for Diffusion Language Models
von: Zhong, Jianyuan, et al.
Veröffentlicht: (2026)

Sharpening the Spear: Adaptive Expert-Guided Adversarial Attack Against DRL-based Autonomous Driving Policies
von: Fan, Junchao, et al.
Veröffentlicht: (2025)

Diffusion-DICE: In-Sample Diffusion Guidance for Offline Reinforcement Learning
von: Mao, Liyuan, et al.
Veröffentlicht: (2024)

Guiding Diffusion Models with Reinforcement Learning for Stable Molecule Generation
von: Zhou, Zhijian, et al.
Veröffentlicht: (2025)

Advantage-Guided Diffusion for Model-Based Reinforcement Learning
von: Foffano, Daniele, et al.
Veröffentlicht: (2026)

Score-Based Diffusion Policy Compatible with Reinforcement Learning via Optimal Transport
von: Sun, Mingyang, et al.
Veröffentlicht: (2025)

Enhancing Reinforcement Learning Fine-Tuning with an Online Refiner
von: Ma, Hao, et al.
Veröffentlicht: (2026)

Diffusion World Model: Future Modeling Beyond Step-by-Step Rollout for Offline Reinforcement Learning
von: Ding, Zihan, et al.
Veröffentlicht: (2024)

Robust Driving Control for Autonomous Vehicles: An Intelligent General-sum Constrained Adversarial Reinforcement Learning Approach
von: Fan, Junchao, et al.
Veröffentlicht: (2025)

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

CausalGDP: Causality-Guided Diffusion Policies for Reinforcement Learning
von: Xiao, Xiaofeng, et al.
Veröffentlicht: (2026)

GDSD: Reinforcement Learning as Guided Denoiser Self-Distillation for Diffusion Language Models
von: Tang, Xiaohang, et al.
Veröffentlicht: (2026)

Adversarial Attacks on Reinforcement Learning-based Medical Questionnaire Systems: Input-level Perturbation Strategies and Medical Constraint Validation
von: Liu, Peizhuo
Veröffentlicht: (2025)

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

ADG: Ambient Diffusion-Guided Dataset Recovery for Corruption-Robust Offline Reinforcement Learning
von: Liu, Zeyuan, et al.
Veröffentlicht: (2025)

PerturbDiff: Functional Diffusion for Single-Cell Perturbation Modeling
von: Yuan, Xinyu, et al.
Veröffentlicht: (2026)

Adversarial Environment Design via Regret-Guided Diffusion Models
von: Chung, Hojun, et al.
Veröffentlicht: (2024)

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

Scale-free Adversarial Reinforcement Learning
von: Chen, Mingyu, et al.
Veröffentlicht: (2024)

Diffusion-Reward Adversarial Imitation Learning
von: Lai, Chun-Mao, et al.
Veröffentlicht: (2024)

A Neural Rejection System Against Universal Adversarial Perturbations in Radio Signal Classification
von: Zhang, Lu, et al.
Veröffentlicht: (2025)

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

Generating Universal Adversarial Perturbations for Quantum Classifiers
von: Anil, Gautham, et al.
Veröffentlicht: (2024)

DLPO: Diffusion Model Loss-Guided Reinforcement Learning for Fine-Tuning Text-to-Speech Diffusion Models
von: Chen, Jingyi, et al.
Veröffentlicht: (2024)

Towards Robust Zero-Shot Reinforcement Learning
von: Zheng, Kexin, et al.
Veröffentlicht: (2025)

Bidirectional-Reachable Hierarchical Reinforcement Learning with Mutually Responsive Policies
von: Luo, Yu, et al.
Veröffentlicht: (2024)

Inference-Time Alignment Control for Diffusion Models with Reinforcement Learning Guidance
von: Jin, Luozhijie, et al.
Veröffentlicht: (2025)

POLO: Preference-Guided Multi-Turn Reinforcement Learning for Lead Optimization
von: Wang, Ziqing, et al.
Veröffentlicht: (2025)

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

Rethinking Adversarial Attacks in Reinforcement Learning from Policy Distribution Perspective
von: Duan, Tianyang, et al.
Veröffentlicht: (2025)

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

Regret-Based Defense in Adversarial Reinforcement Learning
von: Belaire, Roman, et al.
Veröffentlicht: (2023)

Learning Robust Reasoning through Guided Adversarial Self-Play
von: Li, Shuozhe, et al.
Veröffentlicht: (2026)