Wolfpack Adversarial Attack for Robust Multi-Agent Reinforcement Learning
Created by
Haebom
저자
Sunwoo Lee, Jaebak Hwang, Yonghyeon Jo, Seungyul Han
개요
본 논문은 협력적 다중 에이전트 강화 학습(MARL) 환경에서 조정된 적대적 공격에 취약한 기존 강건한 방법들의 한계를 해결하기 위해, 늑대 사냥 전략에서 영감을 받은 Wolfpack 적대적 공격 프레임워크를 제안합니다. 이 공격 프레임워크는 초기 에이전트와 그를 돕는 에이전트들을 표적으로 하여 협력을 방해합니다. 또한, 시스템 전체의 협업을 촉진하여 제안된 Wolfpack 공격에 대한 방어력을 갖춘 강건한 MARL 정책을 훈련시키는 Wolfpack-Adversarial Learning for MARL (WALL) 프레임워크를 소개합니다. 실험 결과는 Wolfpack 공격의 파괴적인 영향과 WALL에 의해 달성된 상당한 강건성 향상을 강조합니다. 소스 코드는 https://github.com/sunwoolee0504/WALL 에서 이용 가능합니다.