绿色安全下基于极小极大后悔的鲁棒强化学习
机器学习
2021-06-17 v1 人工智能
多智能体系统
摘要
绿色安全领域的防御者面对偷猎者、非法伐木者和非法捕鱼者对抗行为的不确定性来规划巡逻。重要的是，巡逻对对手未来行为的威慑效应使巡逻规划成为序贯决策问题。因此，我们关注绿色安全下遵循极小极大后悔准则的鲁棒序贯巡逻规划，这在文献中尚未被考虑。我们将该问题建模为防御者与自然之间的博弈，自然控制对抗行为的参数值，并设计算法 MIRROR 以寻找鲁棒策略。MIRROR 使用两个基于强化学习的预言机，并求解考虑有限防御者策略和参数值的受限博弈。我们在真实世界偷猎数据上评估了 MIRROR。
引用
@article{arxiv.2106.08413,
title = {Robust Reinforcement Learning Under Minimax Regret for Green Security},
author = {Lily Xu and Andrew Perrault and Fei Fang and Haipeng Chen and Milind Tambe},
journal= {arXiv preprint arXiv:2106.08413},
year = {2021}
}
备注
Accepted at the Conference on Uncertainty in Artificial Intelligence (UAI) 2021. 11 pages, 5 figures