威胁下的战略沟通：学习追逐-逃亡游戏中的信息权衡
人工智能
2025-10-10 v1
摘要
对抗环境要求智能体在关键战略权衡之间进行导航：获取信息可增强情境意识，但同时也可能使其暴露于威胁之中。为探讨这一紧张关系，我们构建了一个追逐-逃亡-暴露-隐蔽游戏 (PEEC)，其中追逐者智能体必须决定何时通信以获取逃亡者的位置。每一次通信都会暴露追逐者的位置，增加被目标化的风险。两个智能体通过强化学习学习其运动策略，而追逐者额外学习一种通信策略，以平衡可观察性和风险。我们提出了SHADOW (Strategic-communication Hybrid Action Decision-making under partial Observation for Warfare)，一个多头顺序强化学习框架，集成了连续导航控制、离散通信动作和对手建模，用于行为预测。经验评估显示，SHADOW追逐者的成功率高于六个竞争性基线。我们的消融研究确认，时序序列建模和对手建模对有效决策至关重要。最后，我们的敏感性分析表明，所学策略在不同通信风险和智能体之间物理不对称性方面具有良好的泛化能力。
引用
@article{arxiv.2510.07813,
title = {Strategic Communication under Threat: Learning Information Trade-offs in Pursuit-Evasion Games},
author = {Valerio La Gatta and Dolev Mutzari and Sarit Kraus and VS Subrahmanian},
journal= {arXiv preprint arXiv:2510.07813},
year = {2025}
}
备注
15 pages, 13 figures