LEARNING
ARB4WM：面向连续控制中世界模型的对抗鲁棒性基准
Junjian Zhang, Hao Tan, Ruonan Li, Dong Zhu, Aiping Li, Zhaoquan Gu
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出了ARB4WM，一个用于评估世界模型智能体在视觉扰动下对抗鲁棒性的统一基准框架。通过在策略、价值和潜在动力学三个层面定义五种白盒损失目标，并结合多种攻击策略，对Dreamer风格智能体进行了全面评估。
关键词
adversarial robustnessworld modelscontinuous controlbenchmarkvisual perturbations
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018