Reinforcement Learning-Based Dynamic Event-Triggered Nonlinear Games Under Incomplete and Asymmetric Information
本文提出了一种基于强化学习的针对不完全且非对称信息下未知机动目标的动态事件触发拦截策略，该策略通过在最优策略与博弈策略之间进行自适应切换，以在确保系统稳定性并排除芝诺行为的同时，降低保守性。
原始论文采用 CC BY 4.0 许可（https://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
在航空航天防御的高端竞技场中，拦截机动目标是一场关于时间与物理规律的竞赛。想象两个在天空中移动的物体：一个是试图捕捉对方的防御者，另一个是试图逃脱的规避者。几十年来，工程师们一直将这种相互作用视为一场具有完美信息的数学博弈，假设双方都完全了解对方的想法和计划。他们还假设防御者必须始终为敌人可能做出的最坏情况进行准备。虽然这种“最坏情况”的方法保证了安全性，但它往往迫使防御者浪费能量并对无害的动作做出过度反应，就像一个人因为一片落叶而跳开一样。然而，在现实世界中，信息很少是完美的。防御者通常无法看透敌人的真实意图，也无法确切知道敌人愿意投入多少能量来逃脱。此外，这些飞行器上的计算机处理能力有限，无法不断处理海量数据。这创造了一个难题：当防御者不知道敌人的完整计划时，如何做出明智、高效的决策？以及如何做到既不耗尽其计算机资源？
为了解决这个问题，空军工程大学和辽宁工业大学的研究人员开发了一种结合了人工智能与更智能决策方法的新方法。该系统不再假设敌人总是进行完美的、极具攻击性的游戏，而是实时观察敌人的实际运动。它提出了一个简单但至关重要的问题：这一特定的机动动作是否真的具有威胁性，以至于需要复杂的、高能耗的反制策略？如果敌人的动作微弱或可预测，系统就会忽略复杂的博密理论，转而使用更简单、更高效的拦截路径。然而，如果敌人突然做出剧烈的、规避性的动作，从而真正危及任务，系统会立即切换到复杂的“博弈”模式，将目标视为一个理性的对手，并计算出最佳的反制措施。这种自适应切换使得拦截器既能对危险威胁保持稳健，又能避免在非威胁性动作上浪费能量。
研究人员还解决了无法获知敌人隐藏偏好的问题。在真实的交战中，防御者无法看到敌人的内部计算机，因此无法得知对方在生存价值与燃料消耗之间如何取舍。为了弥补这一差距，团队构建了一个像侦探一样的数字工具，通过观察物理运动来重构敌人的隐藏意图。通过分析目标的机动方式，系统可以估算目标最看重什么，并据此调整自身的策略。这一过程是与一种全新的计算机“大脑”运行方式同步进行的。该方法不再每分每秒都更新计算（这会使系统过载），而是仅在发生真正重要的变化时才进行更新。这种“事件触发”的方法意味着计算机在不重要的时刻处于休眠状态，只在必要时才“醒来”，从而节省了电力并降低了因数据过多导致错误的风险。
在测试中，团队模拟了一个三维拦截场景，其中防御者试图捕捉一个高速移动的目标。他们将这种新方法与旧策略进行了对比，旧策略要么忽略了敌人的智能，要么假设敌人始终在进行最具攻击性的游戏。结果显示，旧有的“始终为最坏情况做准备”的方法虽然有效，但效率低下，经常消耗过多的燃料。然而，这种新的自适应方法在实现同样成功的拦截任务时，使用的能量显著减少。在一项特定的测试中，新方法提高了最终命中的精度：在类博弈场景下，将拦截器与目标的距离从失误的0.70单位缩减到了精准命中的0.44单位；在存在不规则方波运动的场景下，则从0.25单位缩减到了0.14单位。模拟证实，该系统能够成功估算敌人的隐藏意图，并在简单模式与复杂模式之间切换，且不会陷入持续、无用更新的死循环。
这项研究证明，构建一个既强大又高效的智能拦截系统是可能的。通过拒绝将每一次敌方动作都视为最大威胁，并仅在情况需要时进行重度计算，该系统在安全性与资源节约之间找到了更好的平衡。研究人员验证了其数学证明的严谨性，确保系统保持稳定且不会出现行为异常。虽然这些发现是通过计算机模拟而非实飞测试展示的，但它们为未来的航空航天防御提供了清晰的路径。这项工作表明，下一代防御系统不仅会更快或更强，而且会更聪明，能够“察言观色”，并根据当下的现实情况而非僵化的最坏情况预测来调整策略。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。