机器人 / 具身智能

Robust Deep Reinforcement Learning against Adversarial Behavior Manipulation

对抗性行为操控下的鲁棒深度强化学习

Shojiro Yamabe, Kazuto Fukuchi, Jun Sakuma

机构 * Institute of Science Tokyo（东京科学研究所） ； University of Tsukuba（筑波大学） ； RIKEN AIP（理化学研究所AIP） 纠错

专题命中 模仿学习与强化学习 ：manipulation(title)；分类 cs.AI、cs.LG

AI总结 本文提出了一种基于模仿学习的对抗性攻击方法，并通过时间折扣正则化提升强化学习对行为定向攻击的鲁棒性。

Comments Accepted at ICLR 2026

Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis

混合奖励驱动强化学习用于高效量子电路综合

Sara Giordano, Kornikar Sen, Miguel A. Martin-Delgado

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种混合奖励驱动强化学习方法，用于高效合成量子电路，通过结合静态奖励和动态惩罚，优化电路深度和门数，提升量子电路综合效率。

Comments 35 pages, 7 figures, color figures

Journal ref Quantum Mach. Intell. 8, 9 (2026)

Near-Optimal Sample Complexity for Online Constrained MDPs

在线约束马尔可夫决策过程的近最优样本复杂度

Chang Liu, Yunfan Li, Lin F. Yang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.LG

AI总结 本文提出了一种基于模型的对偶算法，解决了在线约束马尔可夫决策过程的安全性问题，证明了在允许小规模违规的情况下，算法能以近最优样本复杂度生成安全策略。

Journal ref NeurIPS 2025