扩展兵棋推演战斗模拟中的智能体
机器学习
2024-02-13 v1 人工智能
摘要
要在未来与技术先进的对手的冲突中保持竞争力，我们需要加速在兵棋推演人工智能（AI）方面的研发。更重要的是，利用机器学习开发智能战斗行为将是未来在该领域实现超人类表现的关键——从而提高未来战争中决策的质量并加快决策速度。尽管深度强化学习（RL）在游戏智能体行为开发方面持续显示出令人鼓舞的结果，但在战斗建模与仿真中典型的长视野、复杂任务中，其表现尚未达到或超过人类水平。利用 RL 经证实的潜力和分层强化学习（HRL）近期的成功，我们的研究正在调查并扩展 HRL 的使用，以创建能够在这些大型复杂仿真环境中有效执行的智能体。我们的最终目标是开发一种具备超人类表现能力的智能体，从而可作为军事规划者和决策者的 AI 顾问。本文涵盖了我们正在进行的方案以及五个研究领域中旨在管理迄今为止限制了 AI 在战斗模拟中使用的计算量指数级增长的前三个领域：(1) 为战斗单元开发 HRL 训练框架和智能体架构；(2) 开发用于智能体决策的多模型框架；(3) 开发状态空间的维度不变观测抽象以管理计算量的指数级增长；(4) 开发内在奖励引擎以实现长期规划；(5) 将该框架实施到更高保真度的战斗模拟中。
引用
@article{arxiv.2402.06694,
title = {Scaling Intelligent Agents in Combat Simulations for Wargaming},
author = {Scotty Black and Christian Darken},
journal= {arXiv preprint arXiv:2402.06694},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2402.06075