自动化解决飞行冲突:面向空中交通管制员的深度强化学习
多智能体系统
2022-06-16 v1 机器学习
摘要
密集且复杂的空中交通场景需要比当今空中交通管制员(ATCO)所使用的战术冲突检测与解决(CD&R)工具更高水平的自动化。然而,空中交通管制(ATC)领域作为安全关键领域,要求 AI 系统能让操作员放心地移交控制权,并保证运行完整性与自动化采纳。实现这一目标的两个主要因素是解的质量与决策透明性。本文提出在多智能体设定下使用图卷积强化学习方法,其中每个智能体(航班)与其他智能体联合执行 CD&R 任务。我们表明,该方法能就利益相关者(空中交通管制员与空域用户)的关注点提供高质量解,并解决运行透明性问题。
引用
@article{arxiv.2206.07403,
title = {Automating the resolution of flight conflicts: Deep reinforcement learning in service of air traffic controllers},
author = {George Vouros and George Papadopoulos and Alevizos Bastas and Jose Manuel Cordero and Ruben Rodrigez Rodrigez},
journal= {arXiv preprint arXiv:2206.07403},
year = {2022}
}
备注
20 pages, 5 figures, 3 tables