战术空中交通控制的未来能力智能体
人工智能
2026-01-12 v1 人机交互
机器学习
多智能体系统
摘要
日益增长的空中交通需求正在推动自动化以支持空中交通控制员的采用，但现有方法在安全保证和可解释性之间存在权衡。基于优化的方法，如强化学习，能够提供卓越的性能，但难以验证和解释，而基于规则的方法则透明却很少在不确定性下检查安全。本文概述了 Agent Mallard，这是一个用于系统化空域战术控制的前向规划、基于规则的智能体，直接将随机数字孪生体嵌入其冲突解决循环。Mallard 基于预定义的 GPS 导引路线，使连续的 4D 向量控制简化为对车道和等级的离散选择，并从专家信息的冲突解决策略库中构建分层计划。深度受限的回溯搜索使用因果归因、拓扑计划拼接和单调轴约束，以寻求对所有飞机器的完整安全计划，验证每个备选机动方案是否在不确定的执行情景（例如风力变化、飞行员响应、通信中断）下安全可行后再做出承诺。UK 控制员的初步演示和 BluebirdDT 空域数字孪生体中的初始测试表明，Mallard 的行为与专家推理一致，并在简化情景中解决冲突。该架构旨在在未来结构化环线环境中结合基于模型的安全评估、可解释的决策逻辑和可计算的性能。
引用
@article{arxiv.2601.04285,
title = {A Future Capabilities Agent for Tactical Air Traffic Control},
author = {Paul Kent and George De Ath and Martin Layton and Allen Hart and Richard Everson and Ben Carvell},
journal= {arXiv preprint arXiv:2601.04285},
year = {2026}
}