面向军事训练的自适应合成角色
人工智能
2021-01-07 v1 机器学习
摘要
当前军事仿真中合成角色的行为受限，因为它们通常由基于规则且反应式的计算模型生成，智能程度极低。此类计算模型无法自适应以反映角色的经验，即便通过昂贵且劳动密集的过程设计出最有效的行为模型，其智能也脆弱易碎。利用机器学习及合成实体的经验，并结合适当的先验知识进行基于观察的行为模型自适应，可解决现有计算行为模型中的问题，从而在军事训练仿真中创造更好的训练体验。本文中，我们引入一个框架，旨在创建自主合成角色，其能在训练仿真中执行连贯可信的行为序列，同时察觉人类受训者及其需求。该框架汇集三个互为补充的组件。第一个是基于 Unity 的仿真环境——快速集成与开发环境（RIDE）——支持 One World Terrain（OWT）模型，并能运行和支撑机器学习实验。第二个是 Shiva，一种新颖的多智能体强化与模仿学习框架，可对接多种仿真环境，并可使用多种学习算法。最后一个组件是 Sigma 认知架构，它将以符号与概率推理能力增强行为模型。我们已成功利用该框架在真实地形上创建概念验证行为模型，作为将机器学习引入军事仿真的重要一步。
引用
@article{arxiv.2101.02185,
title = {Adaptive Synthetic Characters for Military Training},
author = {Volkan Ustun and Rajay Kumar and Adam Reilly and Seyed Sajjadi and Andrew Miller},
journal= {arXiv preprint arXiv:2101.02185},
year = {2021}
}