应用动作空间中自适应对抗扰动的鲁棒深度强化学习

本文研究了深度强化学习算法中的建模错误问题，并提出了一种自适应对抗性扰动的方法来提高鲁棒性。实验结果表明，该方法可以提高训练的稳定性，并在不同的测试环境中学习到一种鲁棒的策略。