三层层次无人机群体中受限耦合 AI 学习动力学
机器学习
2026-03-24 v1 人工智能
多智能体系统
摘要
现代自主多智能体系统组合来自不同时间尺度的异构学习机制。一个开放问题是：能否形式化地保证此类机制的耦合动力学保持在可接受的运行范围内？本文研究了一个三层次的群体学习系统，其中三种机制同时作用：(1) 单个智能体级别的局部 Hebbian 在线学习（快速时间尺度，10-100 ms）；(2) 多智能体强化学习 (MARL) 用于战术群体协调（中等时间尺度，1-10 s）；(3) 元学习 (MAML) 用于战略适应（慢速时间尺度，10-100 s）。建立了四项结果。Bounded Total Error 定理表明，在学习率受约束、层间映射满足 Lipschitz 连续性以及权重稳定的条件下，总次优性在时间上具有分量级上界。Bounded Representation Drift 定理给出 Hebbian 更新如何在一个 MARL 周期内影响协调级别嵌入的 worst-case 估计。Meta-Level Compatibility 定理提供了战略适应保持下层不变量的充分条件。Non-Accumulation 定理证明了误差随时间不会无限增长。
关键词
引用
@article{arxiv.2603.20333,
title = {Bounded Coupled AI Learning Dynamics in Tri-Hierarchical Drone Swarms},
author = {Oleksii Bychkov},
journal= {arXiv preprint arXiv:2603.20333},
year = {2026}
}
备注
25 pages, 3 tables