본 논문은 딥 강화 학습(DRL) 기반 자율 주행 정책의 적대적 공격 취약성을 해결하기 위해 Intelligent General-sum Constrained Adversarial Reinforcement Learning (IGCARL)을 제안한다. IGCARL은 전략적이고, 목표 지향적인 적대자와 견고한 주행 에이전트로 구성된다. 전략적 적대자는 DRL의 시간적 의사 결정 능력을 활용하여 다단계 공격을 수행하며 안전에 치명적인 사고를 유발하는 데 중점을 둔다. 견고한 주행 에이전트는 적대자와 상호 작용하며 공격에 강건한 자율 주행 정책을 학습하고, 제약 조건을 통해 학습 안정성을 확보한다. 실험 결과, IGCARL은 기존 방법 대비 27.9% 이상 성공률을 향상시켜 적대적 공격에 대한 우수한 강건성을 입증했다.
