时空动作表示学习：战术资源控制与后续机动生成

自主机器人系统应在限时能源预算或受限探测的情况下，对资源控制及其对后续机动的影响进行推理。基于学习的控制在处理复杂动力学方面有效，问题被表示为统一离散资源使用和连续机动的混合动作空间。然而，先前关于混合动作空间的工作未充分捕捉资源使用与机动之间的因果依赖关系，也忽视了战术决策的多模态性，这些都是快速演化情景中的关键因素。本文提出了 TART（Temporal Action Representation learning for Tactical resource control and Subsequent maneuver generation），即为战术资源控制和后续机动生成而设计的时空动作表示学习框架。TART 基于相互信息目标的对比学习，旨在捕捉资源-机动相互作用中固有的时序依赖性。所学得表示被量化为离散码本条目，用于条件化策略，捕捉重复出现的战术模式，实现多模态且时序一致的行为。我们在两个资源部署至关重要的领域中评估了 TART：（i）一个迷宫导航任务，其中受限预算的离散动作提供了增强的机动性；（ii）一个高保真空战模拟器，其中 F-16 智能体在飞行机动中协调武器和防御系统。在两个领域中，TART 均一致优于混合动作基线，证明其在利用有限资源和产生情境感知后续机动方面的有效性。