← أحدث الأبحاث
💻 علوم الحاسوب

Reinforcement Learning-Based Dynamic Event-Triggered Nonlinear Games Under Incomplete and Asymmetric Information

تقترح هذه الورقة استراتيجية اعتراض قائمة على التعلم التعزيزي ومحفزة بالأحداث الديناميكية للأهداف المناورة غير المعروفة في ظل معلومات ناقصة وغير متماثلة، والتي تنتقل تكيفياً بين السياسات المثلى والسياسات القائمة على نظرية الألعاب لتقليل التحفظ مع ضمان استقرار النظام واستبعاد سلوك زينو.

المؤلفون الأصليون: Tao Ren, Lei Shao, Shu Li

نُشر 2026-11-11
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Tao Ren, Lei Shao, Shu Li

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في ساحة الدفاع الجوي عالية المخاطر، يمثل تحدي اعتراض هدف يتفادى الصدمات سباقاً ضد الزمن والفيزياء. تخيل جسمين يتحركان في السماء: أحدهما مدافع يحاول اللحاق بالآخر، والآخر مراوغ يحاول الهروب. لعقود من الزمن، تعامل المهندسون مع هذا التفاعل كأنه لعبة رياضية ذات معلومات كاملة، بافتراض أن كلا الجانبين يعرفان بالضبط ما يفكر فيه الآخر وما يخطط له. كما افترضوا أن المدافع يجب أن يستعد دائماً لأسوأ حركة ممكنة قد يقوم بها العدو. وبينما يضمن نهج "الحالة الأسوأ" هذا السلامة، إلا أنه غالباً ما يجبر المدافع على إهدار الطاقة والاستجابة المبالغ فيها لحركات غير ضارة، تماماً مثل شخص يقفز بعيداً عن طريق ورقة شجر تسقط. ومع ذلك، في العالم الحقيقي، نادراً ما تكون المعلومات مثالية. فالمدافع غالباً لا يستطيع رؤية نوايا العدو الحقيقية أو معرفة مقدار الطاقة التي يرغب العدو في إنفاقها للهروب. علاوة على على ذلك، فإن الحواسيب الموجودة على متن هذه المركبات لديها قدرة محدية ولا يمكنها معالجة كميات هائلة من البيانات باستمرار. وهذا يخلق لغزاً صعباً: كيف يمكن للمدافع اتخاذ قرارات ذكية وفعالة عندما لا يعرف خطة العدو الكاملة، وكيف يمكنه القيام بذلك دون استنزاف موارد حاسوبه؟

ولحل هذه المعضلة، طور باحثون في جامعة الهندسة التابعة للقوات الجوية وجامعة لياونينغ للتكنولوجيا طريقة جديدة تجمع بين الذكاء الاصطناعي وطريقة أكثر ذكاءً في اتخاذ القرار. فبدلاً من افتراض أن العدو يلعب دائماً لعبة مثالية وهجومية، يقوم نظامهم بمراقبة تحركات العدو الفعلية في الوقت الفعلي. إنه يطرح سؤالاً بسيطاً ولكنه حاسم: هل هذه المناورة المحددة تشكل تهديداً كافياً يتطلب استراتيجية مضادة معقدة ومستهلكة للطاقة؟ إذا كان العدو يتحرك بضعف أو بشكل يمكن التنبؤ به، يتجاهل النظام نظرية الألعاب المعقدة ويستخدم مساراً أبسط وأكثر كفاءة للاعتراض. ومع ذلك، إذا قام العدو فجأة بحركة مراوغة حادة تهدد المهمة حقاً، ينتقل النظام فوراً إلى وضع "اللعبة" المتطور، حيث يعامل الهدف كخصم عقلاني ويحسب أفضل حركة مضادة ممكنة. يسمح هذا التبدل التكيفي للمعتصم بالبقاء قوياً في مواجهة التهديدات الخطيرة مع تجنب إهدار الطاقة على التهديدات غير الخطيرة.

كما عالج الباحثون مشكلة عدم معرفة التفضيلات الخفية للعدو. ففي الاشتباك الحقيقي، لا يمكن للمدافع رؤية الحاسوب الداخلي للعدو ليعرف مدى تقديره للبقاء مقابل استهلاك الوقود. ولتجسير هذه الفجوة، بنى الفريق أداة رقمية تعمل مثل المحقق، حيث تعيد بناء نوايا العدو الخفية من خلال مراقبة تحركاته الفيزيائية. ومن خلال تحليل كيفية مناورة الهدف، يمكن للنظام تقدير ما يثمنه الهدف أكثر ويعدل استراتيجيته وفقاً لذلك. يحدث هذا جنباً إلىً جنب مع طريقة جديدة لتشغيل عقل الحاسوب؛ فبدلاً من تحديث حساباته في كل جزء من الثانية، وهو ما قد يرهق النظام، تقوم الطريقة الجديدة بالتحديث فقط عندما يتغير شيء مهم حقاً. هذا النهج "المحفز بالأحداث" يعني أن الحاسوب ينام خلال اللحظات غير المهمة ويستيقظ فقط عند الضرورة، مما يوفر الطاقة ويقلل من مخاطر الأخطاء الناتجة عن كثرة البيانات.

في اختباراتهم، قام الفريق بمحاكاة سيناريو اعتراض ثلاثي الأبعاد حيث حاول مدافع اللحاق بهدف يتحرك بسرعات عالية. وقارنوا طريقتهم الجديدة بالاستراتيجيات القديمة التي إما تجاهلت ذكاء العدو أو افترضت أن العدو يلعب دائماً اللعبة الأكثر عدوانية ممكنة. أظهرت النتائج أن طريقة "الاستعداد للأسوأ دائماً" القديمة كانت ناجحة، لكنها كانت غير فعالة، وغالباً ما تستهلك وقوداً أكثر من اللازم. ومع ذلك، حققت الطريقة التكيفية الجديدة نفس الاعتراض الناجح ولكن بطاقة أقل بكثير. وفي اختبار محدد، حسنت الطريقة الجديدة من دقة الإصابة النهائية، حيث قللت المسافة بين المعتصم والهدف من خطأ قدره 0.70 وحدة إلى إصابة دقيقة قدرها 0.44 وحدة في سيناريو يشبه اللعبة، ومن 0.25 إلى 0.14 وحدة في سيناريو ذي تحركات متعرجة (موجة مربعة). وأكدت عمليات المحاكاة أن النظام يمكنه بنجاح تقدير نوايا العدو الخفية والتبديل بين الأنماط البسيطة والمعقدة دون الوقوع أبداً في حلقة مفرغة من التحديثات غير المجدية.

تثبت الدراسة أنه من الممكن بناء نظام اعتراض ذكي يتسم بالقوة والكفاءة في آن واحد. فمن خلال رفض معاملة كل حركة للعدو كتهديد أقصى، ومن خلال إجراء الحسابات الثقيلة فقط عندما تتطلب الحالة ذلك، يجد النظام توازناً أفضل بين السلامة والحفاظ على الموارد. وقد تحقق الباحثون من أن براهينهم الرياضية صامدة، مما يضمن بقاء النظام مستقراً وعدم تصرفه بشكل عشوائي. وبينما تم عرض هذه النتائج من خلال محاكاة الكمبيوتر وليس عبر تجارب طيران حية، إلا أنها تقدم مساراً واضحاً لمستقبل الدفاع الجوي. ويشير هذا العمل إلى أن الجيل القادم من أنظمة الدفاع لن يكون أسرع أو أقوى فحسب، بل سيكون أكثر ذكاءً، قادراً على "قراءة الغرفة" وتكييف استراتيجيته مع واقع اللحظة بدلاً من التنبؤ الجامد بأسوأ الحالات.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →