一种用于评估无人机系统空域融合概念的博弈论框架

预测无人机系统（UAS）融入国家空域系统（NAS）的结果是一个复杂问题，在允许 UAS 常规进入 NAS 之前必须通过仿真研究加以解决。本论文聚焦于提供使用博弈论方法的 2D 与 3D 仿真框架，以在有人与无人驾驶航空器共存的场景中评估融合概念。文献中的根本缺口在于有人与无人车辆之间的交互模型不足：a) 它们假设飞行员行为已知先验，且 b) 它们忽视决策过程。本工作的贡献是提出一种建模框架，其中使用强化学习以及称为 level-k 推理的博弈论概念对人类飞行员反应进行建模，以填补该缺口。level-k 推理概念基于人类具有不同决策层次的假设。强化学习是一种根植于人类学习的数学学习方法。本工作中，使用经典与近似强化学习（Neural Fitted Q Iteration）方法对具有 2D 与 3D 机动的飞行员时间扩展决策进行建模。在存在有人飞机与装备感知避让算法的完全自主 UAS 的情况下，使用示例场景对 UAS 融合进行了分析。