arXiv cs.AI· Tong Nie, Yihong Tang, Junlin He, Yuewen Mei, Jie Sun, Lijun Sun, Wei Ma, Jian Sun·· 11 小时前AI 评分31
ADV-0：面向长尾鲁棒驾驶的偏好引导对抗策略优化
Preference-Guided Adversarial Policy Optimization for Long-Tail Robust Driving
AI 导读
ADV-0 是一个闭环 min-max 优化框架，将驾驶策略（防御者）与对抗智能体（攻击者）的交互建模为零和马尔可夫博弈，并把攻击者效用直接对齐防御者目标以逼近最优对抗分布。该方法将动态对抗演化转化为迭代偏好学习，理论上收敛至纳什均衡并最大化真实性能的认证下界。实验显示其能有效暴露多样化的安全关键失效，显著提升学习策略与运动规划器对未见长尾风险的泛化能力，论文已被 NeurIPS 2026 接收。
正文 · AI 翻译
摘要：部署自动驾驶系统需要针对罕见但安全攸关的长尾场景具备鲁棒性。对抗训练提供了一种有前景的解决方案，但现有方法通常将场景生成与策略优化解耦，并依赖启发式替代目标。这导致目标错位，且无法捕捉演化策略不断变化的失效模式。本文提出 ADV-0，一个闭环最小-最大优化框架，将驾驶策略（防御者）与对抗智能体（攻击者）之间的交互视为零和马尔可夫博弈。通过将攻击者的效用直接与防御者的目标对齐，我们揭示了最优对抗分布。为使该问题可处理，我们将动态对抗演化转化为迭代偏好学习，高效逼近该最优解，并为该博弈提供算法无关的解决方案。理论上，ADV-0 收敛至纳什均衡，并最大化真实世界性能的经认证下界。实验表明，它能有效暴露多样化的安全攸关失效，并大幅提升学习策略与运动规划器对未见长尾风险的泛化能力。
| 评论： | 已被 NeurIPS 2026 接收 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.15221 [cs.LG] |
| （或 arXiv:2603.15221v2 [cs.LG] 为本版本） | |
| https://doi.org/10.48550/arXiv.2603.15221 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tong Nie [查看邮箱]
[v1]
2026年3月16日星期一 12:58:31 UTC（5,220 KB）
[v2]
2026年11月5日星期四 04:35:34 UTC（5,216 KB）
来源：arXiv cs.AI · arxiv.org