本文提出了对抗性强化学习方法，通过二人零和博弈自动确定环境参数范围，训练的优化代理更具鲁棒性。在网格世界和三个 MuJoCo 控制环境中验证。

有界理性曲线下的鲁棒对抗强化学习
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证