摘要：以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

【Rethinking Robustness Assessment: Adversarial Attacks on Learning-based Quadrupedal Locomotion Controllers】

文章链接：http://arxiv.org/abs/2405.12424

项目主页：https://fanshi14.github.io/me/rss24.html

近年来，随着机器学习技术的发展，特别是深度强化学习( RL )的发展，足式机器人取得了令人瞩目的成功。采用神经网络的控制器对包括传感器噪声和外部扰动在内的真实世界不确定性表现出了经验和定性的鲁棒性。然而，正式调查这些运动控制器的脆弱性仍然是一个挑战。这个困难来自于在高维的、时序的空间中定位长尾分布的漏洞的需求。作为量化验证的第一步，我们提出了一种计算方法，该方法利用顺序对抗攻击来识别学习到的运动控制器中的弱点。我们的研究表明，即使是最先进的鲁棒控制器，在精心设计的、低量级的对抗序列下也会显著失效。通过在仿真和真实机器人上的实验，我们验证了我们的方法的有效性，并说明了它产生的结果如何用于增强原始策略的鲁棒性，并为这些黑箱策略的安全性提供了有价值的见解。

「小六的机器人AI圈」为机器人AI行业从业者提供从入门、学习、交流、求职、线下链接、合作、创业、行业内幕、咨询、答疑等一系列的服务。快人一步，步步领先！已沉淀6年，星球内部资料包括秘制视频课程、独家大咖采访及经验、项目对接、星主独家思考、同城线下交流会、求职招聘&笔面试题、学习打卡挑战、小组学习、最新前沿论文分享等等...

限时优惠联系客服立减 50元加入！送上千页独家答疑电子书！加入3天内不满意无条件退款。付款后务必联系客服领取权益~

来源：计算机视觉life