对抗强化学习提升行星着陆鲁棒性

研究用对抗强化学习为行星着陆控制器寻找挑战性故障条件：一个次级智能体生成物理约束扰动来削弱着陆控制器性能，构成非对称序贯零和博弈。训练分三阶段——基线控制器学习、随机扰动鲁棒性增强、控制器与扰动生成器交替优化的迭代对抗阶段。三自由度着陆环境初步实验显示，对抗扰动能暴露传统随机化遗漏的脆弱性，并初步表明更充分训练后有望提升鲁棒性与泛化能力。