知识与数据互补的战术级兵棋行为决策框架设计与实现
2023-08-03张宏军郝文宁王之腾
指挥与控制学报 2023年2期
刘 满 张宏军 程 恺 郝文宁 王之腾
近年来,以深度强化学习为代表的AI 技术在Atari[1]、围棋[2-3]、王者荣耀[4]、星际争霸Ⅱ[5]等游戏中取得了巨大的成功,显示了强大的态势感知和空间探索能力.同时,军事智能化的需求也在推动AI 技术在军事决策领域的应用,战术级兵棋以随机的方式模拟战争中的动态过程,能够为军事智能决策技术提供贴近真实战争的决策背景和试验环境.然而,深度强化学习在解决军事决策问题上存在两个明显不足:一是端到端的黑箱模型限制了模型的可解释性,使其难以形成人在回路的指挥控制方式,同时人们也不知道决策模型的推理过程;二是深度神经网络学习到的参数只适用于特定场景的状态到动作的映射,当作战场景有较大改变,深度神经网络难以迁移并适应新的作战场景.另外,军事决策环境也面临状态空间巨大、多实体协同、长时依赖、不完全信息等难以解决的问题.在战术级兵棋的决策环境中,深度强化学习仅仅解决了少量棋子联合控制的问题[6-7].因此,鉴于深度强化学习在实际应用方面面临的重重困难,从其他技术角度探索军事智能决策的应用仍然值得研究.
传统的计算机生成兵力(computer generated forces,CGF)是作战仿真中重要的技术之一,模仿真实的作战实体,对仿真中的虚拟实体进行行为控制.它借鉴了很多AI 领域的技术,如有限状态机[8-10]、规则系统[11-13]、软计算技术[14-16]、自动规划[17-19]等方法,这些方法基本上都是基于专家知……
登录APP查看全文
