基于可解释深度强化学习的不机动战斗机机动决策
机器人学
2024-07-03 v1 机器学习
摘要
本文提出了一种三层不机动战斗机（UCAV）dogfight框架，其中深度强化学习（DRL）负责高层机动决策。首先构建了四通道低层控制律，随后包含八种基本飞行机动（BFM）的库。应用双深Q网络（DDQN）进行UCAV dogfight中的BFM选择，其中对手策略在训练过程中采用DT构建。仿真结果表明，智能体可获得85.75%的胜率，对抗DT策略，并在面对各种未见对手时取得积极结果。基于本框架的方案显著提升了DRL-based dogfight的可解释性。智能体通过 yo-yo 操作调整转向速度以获得更高的机动性。“俯冲追击”行为的出现也表明，智能体能够生成一种利用对手缺点的新战术。
引用
@article{arxiv.2407.01571,
title = {Interpretable DRL-based Maneuver Decision of UCAV Dogfight},
author = {Haoran Han and Jian Cheng and Maolong Lv},
journal= {arXiv preprint arXiv:2407.01571},
year = {2024}
}