打破障碍：增强型 DRL 晕染剂的实用性与鲁棒性

鲁棒性是深度强化学习（DRL）中的首要关切，随机光滑化已成为增强这一属性的关键技术。然而，当前光滑化 DRL 代理的性能存在显著差距，常表现为清洁奖励极低且鲁棒性弱。针对这一挑战，我们的研究引入创新算法，以训练有效的光滑化鲁棒 DRL 代理。我们提出了 S-DQN 和 S-PPO，两种新方法在清洁奖励、经验鲁棒性和鲁棒性保证方面均表现突出。值得注意的是，我们的 S-DQN 和 S-PPO 代理不仅在最强对抗下显著超过现有光滑化代理，平均提升约 $2.16\times$，还超过了以前的鲁棒训练代理，平均提升约 $2.13\times$。这代表了该领域的重大进步。 Furthermore, 我们引入了 Smoothed Attack，这种攻击方式在降低光滑化代理奖励方面比现有对抗攻击更有效，提升约 $1.89\times$。