💻 computer science

SEArch: Optimistic Policy Selection Between Scene Noise and Drift for UAV Radar Search

本文介绍了 SEArch 及其窗口化变体 W-SEArch，这两种基于随机扩展对手（Stochastically Extended Adversary）框架的轻量级在线策略选择算法，使配备雷达传感器的无人机能够实时优化地适应场景内噪声和场景间漂移，从而与非自适应基准相比实现了显著的遗憾值降低。

原作者： Noor Khial, Naram Mhaisen, Loay Ismail, Amr Mohamed

发布于 2026-06-02

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Noor Khial, Naram Mhaisen, Loay Ismail, Amr Mohamed

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一架正在飞行寻找失踪人员或物体的无人机（UAV）。它拥有一种特殊的“雷达之眼”，可以通过探测微小的动作（如人的呼吸）来穿透墙壁或浓雾进行观察。但问题在于，无人机飞行的世界是混乱且不断变化的。

有时，无人机正飞越平静的海洋；有时，它又在穿梭于布满金属建筑的拥挤城市。每当环境发生变化时，雷达上的“静态噪声”和干扰也会随之改变。在城市里完美的策略，到了海洋上可能会彻底失效，反之亦然。

这篇论文介绍了一种聪明的方法，让无人机能够弄清楚现在应该使用哪种雷达策略，而无需人类告知其所处环境，也不需要携带超级计算机。

以下是利用简单类比对该解决方案进行的拆解：

1. 问题所在：“一刀切”的陷阱

想象你有一个工具箱，里面有四种不同的螺丝刀：一种用于一字螺丝，一种用于十字螺丝，一种用于梅花螺丝，还有一种用于内六角螺栓。

旧方法： 你在一天开始时选定了一把螺丝刀，并试图用它应对遇到的每一种螺丝。如果你从一个房子（一字螺丝）移动到一辆汽车（梅花螺丝）旁，你的工具就没用了，并且会浪费时间和精力。
现实情况： 无人机面临着类似的问题。随着无人机的移动，雷达的“噪声”也在变化。固定的雷达设置就像那把单一的螺丝刀——在某个地方表现出色，但当场景变化时就会失效。

2. 解决方案：拥有“图书馆”的“智能经理”

研究人员并没有试图制造一个完美的雷达，而是假设无人机已经拥有了一个由四种不同雷达策略（策略集）组成的**“图书馆”**。每种策略都是特定环境下的专家（例如，一种擅长开阔地带，另一种擅长密集的建筑群）。

无人机需要一个位于这个图书馆之上的**“智能经理”**（算法）。它的任务是观察当前的雷达噪声并决定：“好吧，现在我应该信任策略 A。但如果噪声突然变化，我需要立即切换到策略 B。”

3. 两大挑战

这位“智能经理”必须处理两种类型的困惑：

静态噪声（“模糊的电视画面”）： 即使无人机停在一个地方，由于风力或微小移动，雷达信号也会产生轻微抖动。经理不应该仅仅因为一个小故障就惊慌失措并切换策略。
场景漂移（“变换的房间”）： 无人机从走廊飞进一个大房间。环境发生了彻底的变化。经理需要意识到：“噢，我们现在进入了一个新房间，旧的策略不再适用了。切换！”

4. 两种算法（“经理”）

论文介绍了两个版本的智能经理：

SEARCH：“自信的乐观主义者”

工作原理： 这个经理就像一个刻苦学习的学生。它观察过去一分钟发生的情况，并假设：“下一分钟可能也是一样的。” 它会重仓押注于当前的最佳策略。
安全网： 如果环境突然发生变化（“场景切换”），经理会意识到自己的预测错了。它有一个特殊的“学习率”，其作用类似于刹车。当它犯错时，它会放慢更新速度以避免惊慌，但它能迅速学习新的模式。
适用场景： 环境长时间保持不变，随后偶尔发生变化的任务。

W-SEARCH：“短期记忆”专家

工作原理： 有时，环境变化得非常快。“自信的乐观主义者”（SEARCH）会感到困惑，因为它记住了太多的过去。这就像一边开车一边盯着后视镜开车；你会因为专注于“曾经在哪里”而不是“现在在哪里”而导致撞车。
解决方法： W-SEARCH 就像一名只看前方 30 秒路况的司机。每 30 秒（或一个“窗口期”），它都会清空记忆并重新开始。它会忘掉旧的走廊，全身心地专注于刚刚进入的新房间。
适用场景： 无人机穿梭于许多不同且快速变化的环境（如混乱的灾区）的任务。

5. 为什么这很重要（结果）

研究人员在模拟环境中测试了这些经理：

速度： 它们非常轻量化。它们不需要沉重的计算机或云端连接；它们可以直接运行在无人机的小型芯片上。
性能： 与那些无法良好适应的旧方法相比，这些新经理将“遗憾值”（即做出错误判断的代价）降低了高达 30%。
适应性： 当环境频繁变化时，由于 W-SEARCH 不会被旧数据困住，它的表现比标准版本高出多达 72%。

总结类比

把无人机想象成一只变色龙。

旧方法就像一只变色一次后就固定住颜色的变色龙，即便它从绿叶走到了红砖上也保持不变。
SEARCH 是一只会快速改变颜色，但会通过检查自己的倒影来确保自己不是被光影戏弄的变色龙。
W-SEARCH 则是一只每隔几秒就会完全忘记过去颜色的变色龙，确保它始终与当前所站立的表面完美融合。

论文证明了，通过使用这些“遗忘”和“乐观”策略，无人机可以在一个永不停歇的世界中更高效地寻找目标。

技术摘要：SEArch —— 在场景噪声与漂移之间进行乐观策略选择的无人机雷达搜索

问题陈述
配备雷达传感器的无人机（UAV）正越来越多地部署于动态环境中的目标搜索任务，例如海上救援和灾难响应。这些任务面临着一个根本性的挑战：随着无人机在非平稳环境（如墙体材料、杂波或海况的变化）中移动，雷达统计特性会发生偏移，导致固定的信号处理策略变得次优。此外，这些适应过程必须在资源受限的机载节点上完成，且要求极低的延迟，因此排除了云端卸载的可能性。

核心难点在于平衡两种截然不同的不确定性来源：

场景内随机噪声： 由无人机微动和杂波引起的稳定场景内的波动。
场景间分布偏移： 当无人机在不同环境机制之间转换时，测量分布发生的突发或渐进式变化。

现有方法通常仅针对其中一种机制：对抗性在线学习方法产生的界限过于保守，且与实际难度无关；而随机模型则无法捕捉突发的场景变化。本文认为，没有任何单一检测器能在所有条件下都表现出色，因此需要一种多策略范式，即系统必须在实时状态下，从预训练的库中选择最优策略，且无需预先知晓场景漂移或噪声规模。

方法论
作者将无人机目标搜索问题建模为在包含 $K$ 个专门信号处理策略的有限库上的在线凸优化（OCO）任务。性能指标为遗憾值（Regret），定义为相对于每个特定场景段中事后最优固定策略的累积损失差距。

为了对环境建模，本文采用了**随机扩展对手（SEA）**框架。该框架将问题难度分解为：

$\bar{\sigma}_T^2$ ：累积随机方差（场景内噪声）。
$\bar{\Sigma}_T^2$ ：累积对抗性变化（场景间漂移）。

本文引入了两个在该框架下实例化的算法：

SEARCH（乐观 FTRL）：
- 一种具有自适应学习率的乐观跟随正则化领导者（OFTRL）选择器。
- 它通过前一次观测来预测下一次损失（即 $M_t = \ell_{t-1}$ ）。这种预测在稳定场景中是准确的，但在转换阶段会失效。
- 自适应学习率会在检测到预测误差（表明存在转换或高噪声）时自动变得保守，从而防止震荡。
- 遗憾界限： $O(\bar{\sigma}_T \sqrt{T} + \sqrt{J})$ ，其中 $J$ 是场景转换次数。切换惩罚仅随 $\sqrt{J}$ 增长。
W-SEARCH（窗口化 OFTRL）：
- 旨在应对场景变化频繁的任务，因为全局历史积累会导致惯性（倾向于过时的策略）。
- 它将更新限制在最近的 $w$ 个观测值内，每 $w$ 轮执行一次“硬重启”。
- 这剔除了来自先前遍历场景的过时测量值，从而能够快速适应不规则的变化。
- 遗憾界限： 在长度为 $w$ 的任何连续区间上为 $O(\bar{\sigma}_I \sqrt{w})$ ，假设每个窗口内至多发生一次转换。

两种算法都非常轻量化，每轮仅需 $O(K \log K)$ 的计算量和 $O(K)$ 的内存状态，无需在线训练或外部加速器。它们依赖于全信息反馈，即单次雷达测量即可同时评估所有 $K$ 个策略，不会产生额外的感知成本。

核心贡献

公式化： 作者将无人机搜索构建为有限策略库上的在线策略选择问题，通过 SEA 框架对不确定性进行建模，从而推导出与实际环境难度相关而非基于最坏情况假设的依赖问题遗憾界限。
SEARCH 算法： 一种 OFTRL 选择器，实现了 $O(\bar{\sigma}_T \sqrt{T} + \sqrt{J})$ 的遗憾界限，有效地将成本分解为随机噪声和切换惩罚。
W-SEARCH 算法： 一种窗口化变体，在长度为 $w$ 的区间上实现自适应遗憾 $O(\bar{\sigma}_I \sqrt{w})$ ，专门解决了快速变化任务中的惯性问题。
模块化： 该方法与策略库的构建是正交的；它作为一个在线选择层，可以置于任何预训练检测器池之上。

实验结果
作者通过在多种非平稳设置（ $T=150$ ）下使用 $K=4$ 个策略的模拟实验验证了其方法：

遗憾减少： 与非自适应基准（UCB、Exp3、OMD）相比，所提方法实现了高达 30% 的遗憾减少。
适应速度： SEARCH 在场景转变后的 10 步之内即可将权重集中在最优策略上。
窗口化性能： W-SEARCH 在快速变化的场景中表现出显著优势。在频繁转换的场景中，与全局 SEARCH 算法相比，它将最终遗憾降低了 60% 至 72%。
鲁棒性： 窗口化方法在不规则切换模式和不同噪声水平（ $\sigma \in [0.05, 0.4]$ ）下保持稳健，尽管在噪声水平极高（需要更多观测值来确定每个片段）时，相对优势会有所下降。
可扩展性： 两种算法都能很好地扩展到策略数量（ $K$ ），当动作空间增加到 $K=16$ 时，W-SEARCH 显示出更优越的性能。

意义与主张
本文声称，通过超越纯粹的对抗模型或纯粹的随机模型，SEA 框架能够对无人机雷达搜索环境提供更细致的理解。其主要意义在于提供了轻量级的机载解决方案，能够在无需预知场景动态的情况下实时追踪最优策略。作者强调，其方法在平稳环境中实现了接近最优的随机速率，同时在变化频繁时放宽至非平稳速率，且始终保持了低空物联网节点所需的计算约束。该工作专门针对“在线选择层”，将离线策略库的构建留给互补的工作（如 [5]），从而为自适应感知提供了一个模块化的解决方案。