論文の概要: Adversarial Reinforcement Learning for Robust Planetary Landing

• arxiv url: http://arxiv.org/abs/2610.20252v1
• Date: Wed, 14 Oct 2026 14:23:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.200845
• Title: Adversarial Reinforcement Learning for Robust Planetary Landing
• Title（参考訳）: ロバストな惑星着陸のための逆強化学習
• Abstract要約: 本研究は, 対人強化学習を応用し, 公害状況に挑戦する試みである。 二次エージェントは、着陸制御装置の性能を低下させる物理的に制約された摂動を生成する。 3自由度着陸環境における予備実験では、敵の障害が従来のランダム化によって欠落した脆弱性を明らかにすることが示されている。
• 参考スコア（独自算出の注目度）: 0.1957338076370071
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep reinforcement learning (DRL) policies for planetary landing and other aerospace guidance, navigation, and control tasks are commonly trained under randomized disturbances to improve robustness. However, typical stochastic perturbation sampling assumes independent variations, whereas real mission disturbances often exhibit spatial and temporal correlation and cannot be reproduced through independent random draws. This work investigates adversarial reinforcement learning to discover challenging off-nominal conditions. A secondary agent generates physically constrained perturbations that degrade the performance of a landing controller, forming an asymmetric sequential zero-sum game. Training proceeds in three stages: baseline controller learning, robustness enhancement with stochastic perturbations, and an iterative adversarial phase in which the controller and disturbance generator are alternately optimized. Preliminary experiments in a three-degree-of-freedom landing environment show that adversarial disturbances reveal vulnerabilities missed by conventional randomization and provide early indications that, with a more extensive training campaign, the approach can yield improved robustness and stronger generalization under previously unseen perturbation regimes.
• Abstract（参考訳）: 惑星着陸およびその他の航空宇宙誘導、航法、制御タスクのための深層強化学習(DRL)ポリシーは、強靭性を改善するためにランダムな障害の下で一般的に訓練される。 しかし、典型的な確率摂動サンプリングは独立な変動を仮定するが、実際のミッション障害はしばしば空間的および時間的相関を示し、独立したランダムドローでは再現できない。 本研究は, 対人強化学習を応用し, 公害状況に挑戦する試みである。 二次エージェントは、ランディングコントローラの性能を低下させる物理的に制約された摂動を生成し、非対称的なシーケンシャルゼロサムゲームを形成する。 トレーニングは、ベースラインコントローラ学習、確率的摂動による堅牢性向上、およびコントローラと外乱発生器を交互に最適化する反復的逆相の3段階で行われる。 3自由度着陸環境における予備的な実験は、敵の障害が従来のランダム化によって欠落した脆弱性を明らかにすることを示し、より広範な訓練キャンペーンによって、このアプローチは、それまで目に見えない摂動体制下での堅牢性の向上とより強力な一般化をもたらす可能性があることを早期に示している。

関連論文リスト

• Robust Adversarial Reinforcement Learning with Risk Sensitivity and Critic Consistency Regularization [15.028168889991795]
  強化学習(Reinforcement Learning, RL)は, 逐次的意思決定において高い性能を発揮するが, 動的不確実性や分布変化の下では脆弱なままである。 本稿では,リスクセンシティブの観点から,敵RLを再考する統一的枠組みであるRACERを提案する。 挑戦的な継続的制御ベンチマークに関する総合的な実験は、RACERが強靭なRLベースラインに対するパフォーマンス、堅牢性、およびトレーニング安定性を一貫して改善していることを示している。
  論文  参考訳（メタデータ） (2026-09-23T10:37:27Z)
• Mitigating Error Amplification in Fast Adversarial Training [58.74042726356826]
  FAT(Fast Adversarial Training)は、ネットワークに摂動不変表現の学習を促すことによって、モデルロバスト性の向上に有効であることが証明されている。 FATは、しばしば破滅的なオーバーフィッティング(CO)に悩まされ、モデルがトレーニングアタックに過度に適合し、目に見えないものへの一般化に失敗する。 本稿では、摂動予算と監視信号の両方を動的に調整する分散対応動的ガイダンス(DDG)戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:23:18Z)
• Curriculum-Guided Antifragile Reinforcement Learning for Secure UAV Deconfliction under Observation-Space Attacks [6.367978467906828]
  強化学習政策は、観測空間における敵の攻撃に対して脆弱である。 本稿では,段階的対向摂動のカリキュラムに適応するために設計された反フレジブルなRLフレームワークを提案する。 その結果, 反フランジ政策は標準およびロバストなRLベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-06-26T10:10:41Z)
• Towards Deviation-Robust Agent Navigation via Perturbation-Aware Contrastive Learning [125.61772424068903]
  視覚言語ナビゲーション(VLN)は、エージェントに与えられた言語命令に従って実際の3D環境をナビゲートするように要求する。 本稿では,既存のVLNエージェントの一般化能力を高めるために,PROPER(Progressive Perturbation-aware Contrastive Learning)と呼ばれるモデルに依存しない学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-03-09T02:34:13Z)
• Game-Theoretic Robust Reinforcement Learning Handles Temporally-Coupled Perturbations [98.5802673062712]
  我々は時間的に結合した摂動を導入し、既存の頑健な強化学習手法に挑戦する。 本稿では、時間的に結合したロバストなRL問題を部分的に観測可能な2プレイヤーゼロサムゲームとして扱う新しいゲーム理論であるGRADを提案する。
  論文  参考訳（メタデータ） (2023-07-22T12:10:04Z)
• Robust Reinforcement Learning using Adversarial Populations [118.73193330231163]
  強化学習(Reinforcement Learning, RL)は、コントローラ設計に有効なツールであるが、堅牢性の問題に対処できる。 一つの逆数を使うことは、逆数の標準的なパラメトリゼーションの下での動的変動に一貫して堅牢性をもたらすわけではないことを示す。 本稿では,ロバスト RL の定式化に対する人口ベース増進法を提案する。
  論文  参考訳（メタデータ） (2020-08-04T20:57:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。