面向空战的分层强化学习
机器学习
2021-06-14 v2
摘要
人工智能（AI）正成为国防工业的关键组成部分，正如 DARPA 的 AlphaDogfight Trials（ADT）近期所展示的那样。ADT 旨在验证能够驾驶 F-16 进行模拟空对空作战的 AI 算法的可行性。作为 ADT 的参与者，Lockheed Martin（LM）的方法将分层架构与最大熵强化学习（RL）相结合，通过奖励塑形整合专家知识，并支持策略的模块化。该方法在 ADT 决赛（共八支参赛队伍）中获得第二名，并在对抗赛中击败了美国空军（USAF）F-16 武器教官课程的毕业生。
引用
@article{arxiv.2105.00990,
title = {Hierarchical Reinforcement Learning for Air-to-Air Combat},
author = {Adrian P. Pope and Jaime S. Ide and Daria Micovic and Henry Diaz and David Rosenbluth and Lee Ritholtz and Jason C. Twedt and Thayne T. Walker and Kevin Alcedo and Daniel Javorsek},
journal= {arXiv preprint arXiv:2105.00990},
year = {2021}
}
备注
10 pages, 10 figures, The 2021 International Conference on Unmanned Aircraft System (ICUAS 21), June 15-18, 2021, Athens, Greece