一种针对智能体目标导向强化学习的对抗鲁棒性提升方法

本发明公开了一种针对智能体目标导向强化学习的对抗鲁棒性提升方法，其步骤包括：1)从目标条件强化学习智能体与环境交互中采集一组训练数据；其中，组中的每一训练数据表示为<s,g,r,a,s′>，s表示状态，g表示目标，r表示奖励，a表示采取的动作，s′表示下一状态；构造多个负样本用于增加表征扰动的多样性；2)最大化采集的训练数据中原始输入元组<s,g>与对应的负样本之间的表征距离，得到扰动后的对抗样本；3)使用扰动后的对抗样本增强目标条件强化学习智能体的价值函数和策略函数，优化编码器网络、行为者网络和评价者网络；4)基于优化后的编码器网络、行为者网络和评价者网络构建鲁棒性提升的目标导向强化学习智能体。