ADV-0：面向长尾鲁棒性的闭环极小化对抗训练
机器学习
2026-03-17 v1 人工智能
摘要
部署自动驾驶系统需要具备对稀有但安全关键情形的鲁棒性。虽然对抗训练提供了可行的解决方案，但现有方法通常将情景生成与策略优化解耦，并依赖启发式代理。这导致目标错位，无法捕捉演化策略所产生的失效模式的变化。本文提出了ADV-0，一种闭环极小化优化框架，将驾驶策略（防御者）与对抗智能体（攻击者）之间的相互作用视为零和马尔可夫游戏。通过将攻击者的效用直接与防御者的目标对齐，我们揭示了最优对手分布。为使其可计算，我们将动态对手演化建模为迭代偏好学习，高效逼近该最优解，并提供一种对算法agnostic的解决方案。理论上，ADV-0收敛至纳什均衡，并最大化对实际性能的认证下界。实验表明，它有效暴露了多样化的安全关键故障，大幅提升了所学习策略和运动规划器对未见长尾风险的泛化能力。
引用
@article{arxiv.2603.15221,
title = {ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving},
author = {Tong Nie and Yihong Tang and Junlin He and Yuewen Mei and Jie Sun and Lijun Sun and Wei Ma and Jian Sun},
journal= {arXiv preprint arXiv:2603.15221},
year = {2026}
}