一种用于集群对集群交战问题中攻击分配的可扩展强化学习方法
机器人学
2022-10-18 v1 人工智能
机器学习
摘要
在这项工作中，我们提出了一种强化学习（RL）框架，用于控制大规模集群的密度以对抗敌方集群攻击。尽管在将人工智能方法应用于集群控制方面已有大量现有工作，但分析两个对抗性集群之间的相互作用仍是一个研究相当不足的领域。该主题的大多数现有工作通过对方集群的策略和动力学做出硬性假设来制定策略。我们的主要贡献是将集群对集群交战问题表述为马尔可夫决策过程，并开发能够在不知晓敌方集群策略/动力学的情况下计算交战策略的 RL 算法。仿真结果表明，所开发的框架能够以高效的方式处理各种大规模交战场景。
引用
@article{arxiv.2210.08319,
title = {A Scalable Reinforcement Learning Approach for Attack Allocation in Swarm to Swarm Engagement Problems},
author = {Umut Demir and Nazim Kemal Ure},
journal= {arXiv preprint arXiv:2210.08319},
year = {2022}
}
备注
submitted to ICRA 2023