部分可观测环境下无 evader 依赖的团队式追逐策略

我们考虑一种场景：两架无人机 (UAV) 团队在城市环境中追逐 一个 evader UAV。每个 agent 都有有限的环境视野，建筑物可以遮挡其 field-of-view。此外，pursuer 团队对 evader 的初始位置、最终位置以及行为模式一无所知。因此，团队需要通过搜索环境来收集信息，然后跟踪它以最终拦截。为解决这个 multi-player、partially-observable、pursuit-evasion game，我们开发了一个以 bounded rationality 为原则的 two-phase neuro-symbolic algorithm。首先，我们采用深度强化学习制定一种 offline 方法，逐步训练针对虚构 evader 的 adversarial policies for pursuer 团队。这为每个 agent 在准备就绪后阶段的 online 阶段创建 $k$ levels of rationality。随后，我们采用 online classification algorithm 来确定我们当前对手从训练的 strategic agents 集合中进行 "best guess"，并应用 best player response。使用这一 schema，我们在与 random evader 进行 our environment 中的 average performance 得到了改善。